织梦网站备案怎么看一个网站哪公司做的

织梦网站备案,怎么看一个网站哪公司做的,高端网络推广,google国外入口原文#xff1a;towardsdatascience.com/how-to-create-well-styled-streamlit-dataframes-part-1-using-the-pandas-styler-e239c0fbe145 我一直是 pandas 中的 styler 方法 的粉丝。当我开始构建 Streamlit 应用程序时#xff0c;对我来说很清楚#xff0c;我想样式化我的…原文towardsdatascience.com/how-to-create-well-styled-streamlit-dataframes-part-1-using-the-pandas-styler-e239c0fbe145我一直是 pandas 中的 styler 方法 的粉丝。当我开始构建 Streamlit 应用程序时对我来说很清楚我想样式化我的数据框以帮助可视化数据框但…惊喜截至写作时Streamlit st.dataframe()不支持 Styler 对象只支持数据框对象。好吧更正一下它确实支持它们但 UI 显示非常糟糕这就是为什么我想与你分享我在 Streamlit 中构建优雅数据框的工作方法和想法。我们将涵盖如何为数字添加千位分隔符。如何将数字显示为百分比(从数据中的 0.24 到 UI 中的 24%)如何添加货币符号。如何为单元格添加颜色。更好的是我将与你分享我最喜欢的颜色分级函数。如何添加表情符号是的我们不能没有表情符号 !st.dataframe() 的默认视图Streamlit 实际上非常擅长根据数据类型推断最佳显示。想象以下数据框mock_data{Country:[US,IN,BR,ES,AR,IT],Period_1:[50_000,30_000,17_000,14_000,22_000,16_000],Period_2:[52_000,37_000,16_000,12_000,21_000,19_000],}dfpd.DataFrame(mock_data)df[Difference]df[Period_2]-df[Period_1]df[Percentage Change]np.round(((df[Period_2]-df[Period_1])/df[Period_1]),2)df[Percentage Change rank]df[Percentage Change].rank(methoddense,ascendingFalse).astype(int)默认的st.dataframe()视图已经很不错了。例如千位分隔符被正确推断。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/342e0ea62ec842fed9e1c904e1ff217d.png图片由作者提供但是我们知道我们可以使用 Styler 函数来让它变得更好如果我们使用 st.dataframe() 一个 Styler 对象会发生什么在深入探讨如何样式化数据框之前让我们简单地将 pandas 数据框转换为Styler对象并检查当我们尝试使用st.dataframe()方法渲染Styler对象时会发生什么。# Creating the styler objectdf.copy().stylehttps://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/118a8d5807b9b7edc030bed1c3d2ec43.png图片由作者提供显示现在有点混乱。例如大数字没有逗号分隔符小数点后 6 位的小数。这只发生因为我们从“数据框”类型对象转换到了“样式化”类型对象。格式化千位分隔符和百分比我们希望一眼就能直观地理解数量级即千位分隔符。而且我们不想在心理上乘以小数点 100 来理解百分比即弄清楚 0.24 是 24%。下面的函数将帮助您格式化数字以便在样式化的数据框中更好地显示。def_format_with_thousands_commas(val):returnf{val:,.0f}def_format_as_percentage(val,prec0):returnf{val:.{prec}%}thousands_cols[Period_1,Period_2,Difference]perct_cols[Percentage Change]styler_with_thousands_commas(raw_styler.format(_format_with_thousands_commas,subsetthousands_cols).format(lambdax:_format_as_percentage(x,2),subsetperct_cols))https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/5b6c219c410ce77fc22cfccac0854af9.png图片由作者提供看起来更好了。_ 周期1_ 周期2和差异列现在与*st.dataframe()*显示相同。所以我们至少匹配了默认显示。但现在百分比变化列比默认的小数点格式更易于理解 。添加带有渐变的背景着色带有颜色的 dataframe Streamlit 中的良好样式化 dataframe吉米·克里克特说颜色过多可能有害。我们的下一步是添加一些颜色来帮助我们的视觉分析。我们可以使用简单的cmap应用单元格背景渐变。默认情况下cmap会根据序列中的数字创建渐变即取序列的最小值和最大值。如果你的数字都是正数或负数这很完美但以下情况怎么办仅对正值使用绿色渐变色仅对负值使用红色渐变色。为了这个我创建了一个简单的函数我在多个情况下都重新使用了它def_format_positive_negative_background_colour(val,min_value,max_value):ifval0:# Normalize positive values to a scale of 0 to 1normalized_val(val-0)/(max_value-0)# Create a gradient of green colorscolorplt.cm.Greens(normalized_val*0.7)color_hexmcolors.to_hex(color)elifval0:# Normalize negative values to a scale of 0 to -1normalized_val(val-min_value)/(0-min_value)# Create a gradient of red colorscolorplt.cm.Reds_r(normalized_val*0.7)color_hexmcolors.to_hex(color)else:color_hexwhite# For zero values, set the background color to white# Determine text color based on the darkness of the background colorr,g,bmcolors.hex2color(color_hex)if(r*299g*587b*114)/10000.5:# Use the formula for perceived brightnesstext_colorblackelse:text_colorwhitereturnfbackground-color:{color_hex}; color:{text_color}min_value_abs_diffdf[Difference].min()max_value_abs_diffdf[Difference].max()min_value_perct_diffdf[Percentage Change].min()max_value_perct_diffdf[Percentage Change].max()styler_with_colour_gradients(df.copy().style.map(lambdax:_format_positive_negative_background_colour(x,min_value_abs_diff,max_value_abs_diff),subset[Difference]).map(lambdax:_format_positive_negative_background_colour(x,min_value_perct_diff,max_value_perct_diff),subset[Percentage Change]))https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/7fe0caefdfa381d5b11fd2f689fa8d77.png作者图片你可以看到所有正数都着色为绿色并且从最低浅色到最高深色有一个阴影。相反负数着色为红色但最低的是最深色的颜色。此外该函数还确定文本颜色应该是白色还是黑色这取决于它与单元格背景颜色的对比度。添加货币符号如果你知道你正在处理货币为什么不将货币符号添加到数据中呢这正是 Excel 所做的而且嘿Excel 是一个了不起的产品。老实说这里没有讽刺。def_format_with_dollar_sign(val,prec0):returnf${val:,.{prec}f}styler_with_dollar_sign(df.copy().style.format(_format_with_dollar_sign,subset[Period_1,Period_2,Difference]))https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/d075c4821f5b7ef9bbf3c3a885f86d83.png作者图片 检查 _Period__1, _Period__2 和 _Differenc_e 列 添加表情符号的函数我们生活在表情符号的世界里所以你的应用程序在 Streamlit 中没有表情符号的样式化数据框是不可能的。开个玩笑表情符号也可以帮助我们进行视觉分析。在这个例子中我使用了金牌、银牌和铜牌表情符号来突出显示最高的正百分比变化。def_add_medal_emoji(val):ifval1:returnf{val}elifval2:returnf{val}elifval3:returnf{val}else:returnval styler_with_medal_emoji(df.copy().style.format(_add_medal_emoji,subset[Percentage Change rank]))https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/1df77e1c40c3fc4c9dda763d65cae583.png作者图片一眼就能看出哪些国家在 Period 1 和 Period 2 之间有最大的正变化使用了奖牌表情符号。目前不支持添加条形你是否在 Styler 对象的单元格背景中使用了条形图遗憾的是它们在st.dataframe()方法中不受支持。您可以使用带有 HTML 对象的st.write()方法来显示它们但我不推荐这样做。下面你可以看到它的样子。https://github.com/OpenDocCN/towardsdatascience-blog-zh-2024/raw/master/docs/img/8fcf475a5452876193037079604023e7.png作者图片不仅用户界面令人震惊……你完全失去了所有st.dataframe()功能例如排序和格式化单元格的能力。摘要如果 Streamlit 支持 Styler 对象生活将会容易得多。但直到那时我希望这些想法能帮助您在创建 Streamlit 应用程序的优秀可视化过程中。 我将接着使用 AgGrid 构建等效的漂亮数据框。请保持关注因为 AgGrid 比 Styler 对象酷多了代码在哪里可以找到在我的仓库和实时 Streamlit 应用程序中Github 仓库github.com/JoseParrenoGarcia/Streamlit-pretty-dataframesStreamlit 应用程序app-pretty-dataframes-in2ilkxjw2hgby4uqj9bq2.streamlit.app(当链接打开时点击按钮启动应用程序)。进一步阅读感谢阅读这篇文章如果您对我的其他文章感兴趣这里有一篇文章收集了我所有其他博客文章按主题组织数据科学团队和项目管理、数据故事讲述、营销与出价科学以及机器学习与建模。所有我的文章都在一个地方请保持关注如果您想在我发布新文章时收到通知请随意在 Medium 上关注我或订阅我的 Substack 通讯。此外我很乐意在领英上与您聊天!获取关于数据科学最新文章的通知Jose 的 Substack | Jose Parreño Garcia | Substack