Как извлечь значения из фрейма данных для использования в условном форматировании, одновременно применяя его к определенным выбранным категориям или элементам данных? - PullRequest
Новая
       9

Как извлечь значения из фрейма данных для использования в условном форматировании, одновременно применяя его к определенным выбранным категориям или элементам данных?

0 голосов
/ 30 августа 2018

в изображении Я пытаюсь вычислить медиану и стандартное отклонение, но это позволяет мне рассчитывать только один столбец за раз. Я хочу, чтобы средства рассчитывались сразу для всех трех столбцов, после чего данные сохраняются в другой фрейм данных Я хочу знать, как использовать значения из указанных в условном форматировании и применять его только к соответствующей категории

Dataframe df9 DF для медианы

1 Ответ

0 голосов
/ 30 августа 2018

IIUC, вы хотите использовать одну группу для выполнения вычислений для столбцов Month1 Month2 и Month3? Например, mean - std и mean + std у вас внизу кода?

Вот способ, которым вы можете сделать это: 

np.random.seed(87) # Use this for reproducibility

df9 = pd.DataFrame(np.random.randint(0,3,(10,5)),\
      columns = ['Month1','Month2','Month3','Revised Category','useless column'])

agg = df9[['Month1','Month2','Month3','Revised Category']].\
      groupby('Revised Category').agg(lambda x: [x.mean()-x.std(),x.mean()+x.std()])

agg = pd.concat([pd.DataFrame.from_items(zip(agg.index, agg[col].values)).T for col in agg],axis=1)
agg.columns = ['Month1_low','Month1_up','Month2_low','Month2_up','Month3_low','Month3_up']

И вывод: 

    Month1_low  Month1_up   Month2_low  Month2_up   Month3_low  Month3_up
0   -0.414214   2.414214    -0.414214   2.414214    -0.207107   1.207107
1   -0.207107   1.207107    -0.207107   1.207107    -0.207107   1.207107
2   0.183475    2.149859    0.105573    1.894427    0.663340    2.336660

Индекс в этом новом agg фрейме данных представляет ваши категории. Поэтому, если вы хотите получить доступ, скажем Month1_up для категории 0, просто нарежьте: agg.loc[0,'Month1_up'].

Если вы хотите рассчитать среднее значение за все ваши месяцы за один раз, вы можете объединить исходный кадр данных перед групповой, например: 

concatenated = pd.concat([df9[[col,'Revised Category']].rename({col:'Month'},axis = 1) \
                          for col in ['Month1','Month2','Month3']])
concatenated.groupby('Revised Category').agg(lambda x: [x.mean()-x.std(),x.mean()+x.std()])
agg2 = pd.DataFrame.from_items(zip(agg2.index, agg2.Month.values)).T
agg2.columns = ['Months_low','Months_up']

    Months_low  Months_up
0   -0.149859   1.816525
1   -0.047723   1.047723
2   0.344018    2.100426

EDIT:

Я не использую для раскрашивания фреймов данных, так что это решение может быть тяжелым и недопустимым, но оно работает на примере.

Сначала давайте перегруппируем исходные данные из df9 и данные, которые мы вычислили с помощью groupby (с верхними и нижними границами): 

months = ['Month1','Month2','Month3']
conc2 = pd.concat([df9.set_index('Revised Category')[[col]].join(\
        agg[[col+'_low',col+'_up']]) for col in months],axis = 1)

    Month1  Month1_low  Month1_up   Month2  Month2_low  Month2_up   Month3  Month3_low  Month3_up
0   2       -0.414214   2.414214    0       -0.414214   2.414214    0       -0.207107   1.207107
0   0       -0.414214   2.414214    2       -0.414214   2.414214    1       -0.207107   1.207107
1   1       -0.207107   1.207107    0       -0.207107   1.207107    0       -0.207107   1.207107

Мы будем использовать это для создания маски для кода, где значение в одном из столбцов Month выше соответствующей верхней границы.

Эта маска будет затем использоваться для применения требуемых цветов к стилю кадра данных. 

mask = conc2.apply(lambda x: pd.Series([x[col]<x[col+'_low'] for col in months]),axis = 1)

mask.columns = months # the columns names need to be the same as conc2 for apply below

    Month1  Month2  Month3
0   False   False   False
0   False   False   False
1   False   False   False

Теперь, когда мы создали нашу логическую маску, нам нужно заменить ее значения соответствующими цветными сообщениями, воспринимаемыми объектом style в пандах. 

mask = mask.reset_index(drop = True).apply(lambda x: x.map(\
       {True:'background-color: red',False:'background-color: None'}))

И теперь, когда у нас есть эти строки в нашей маске, мы просто должны применить их к стилю нашего информационного кадра, чтобы напечатать его в цвете. 

conc2[months].reset_index(drop = True).style.apply(lambda x: mask, axis=None)
...