数据框划分后，熊猫样式无法在多索引上设置背景渐变

Posted 2023-03-12

【中文标题】数据框划分后，熊猫样式无法在多索引上设置背景渐变

【英文标题】：pandas style can't set background gradient on multiindex after dataframe division

【发布时间】：2022-01-05 20:55:17

【问题描述】：

我可以在多索引上制作熊猫样式热图没问题：

df = sns.load_dataset('geyser').reset_index()

df['3m_duration'] = df.duration > 3

group_cols = ['kind', '3m_duration']

count_gpby = df[
    group_cols + ['index']
].groupby(
    group_cols
)

count_gpby.count().style.background_gradient(cmap ='Blues')

我还可以将一个子集 groupby 除以总 groupby 以获得每组的比较比率/比率：

df['binary'] = 'A'
df.loc[100:, 'binary'] = 'B'

subset_gpby = df[
    group_cols + ['index']
].loc[df.binary=='B'].groupby(
    group_cols
).count()

(subset_gpby / gpby).style.background_gradient(cmap ='Blues')

然后我尝试将这两个“视图”组合为同一个多索引数据框中的两列，以便我可以同时看到原始计数和比较比率。打印没有问题：

但由于“非唯一索引”，它无法使用 Pandas 风格的热图背景渐变显示：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-275-f82cbb6545e2> in <module>
----> 1 pd.concat([(subset_gpby / gpby), gpby], axis=1).style.background_gradient(cmap ='Blues')

C:\ProgramData\Anaconda3\envs\venv\lib\site-packages\pandas\core\frame.py in style(self)
    959         from pandas.io.formats.style import Styler
    960 
--> 961         return Styler(self)
    962 
    963     _shared_docs[

C:\ProgramData\Anaconda3\envs\venv\lib\site-packages\pandas\io\formats\style.py in __init__(self, data, precision, table_styles, uuid, caption, table_attributes, cell_ids, na_rep, uuid_len)
    161             data = data.to_frame()
    162         if not data.index.is_unique or not data.columns.is_unique:
--> 163             raise ValueError("style is not supported for non-unique indices.")
    164 
    165         self.data = data

ValueError: style is not supported for non-unique indices.

然而，

pd.concat([(subset_gpby / gpby), gpby], axis=1).index.value_counts()

> (short, False)    1
> (short, True)     1
> (long, True)      1
> (long, False)     1
> dtype: int64

表明每个索引只有一个实例，并且该索引等于之前渲染没有问题的索引：

pd.concat([(subset_gpby / gpby), gpby], axis=1).index == (subset_gpby / gpby).index

> array([ True,  True,  True,  True])

为什么会出现这个错误？

【参考方案1】：

在 pandas 中，“索引”和“列”的类型均为 pd.Index。因此，两个轴都可以称为索引。 Styler 对象仅适用于唯一索引的 DataFrame（请参阅此处的其他 limitations），这包括两个维度。

当concating 这两个项目时，我们最终会得到多个名为“索引”的列：

pd.concat([(subset_gpby / gpby), gpby], axis=1)

                      index  index  # <- Note the duplicate column names
kind  3m_duration                 
long  False        1.000000      1
      True         0.631579    171
short False        0.635417     96
      True         0.500000      4

由于我们没有有意义的列名，我们可以简单地将ignore_index=True 传递给concat（注意这只会影响连接轴，在这种情况下为axis=1）：

pd.concat([(subset_gpby / gpby), gpby], axis=1, ignore_index=True)

                          0    1
kind  3m_duration               
long  False        1.000000    1
      True         0.631579  171
short False        0.635417   96
      True         0.500000    4

或者，像往常一样，我们可以重命名列以使其有意义。但是，我们需要像set_axis 这样的东西，因为rename 会影响所有名为“index”的列：

pd.concat(
    [(subset_gpby / gpby), gpby], axis=1
).set_axis(['Subset gpby', 'gpby'], axis=1)

                   Subset gpby  gpby
kind  3m_duration                   
long  False           1.000000     1
      True            0.631579   171
short False           0.635417    96
      True            0.500000     4

无论如何，我们将能够再次使用background_gradient，因为列索引是唯一的：

pd.concat(
    [(subset_gpby / gpby), gpby], axis=1, ignore_index=True
).style.background_gradient(cmap='Blues')

---

使用的设置：

import pandas as pd

import seaborn as sns

# Setup Data
df = sns.load_dataset('geyser').reset_index()
group_cols = ['kind', '3m_duration']
df['3m_duration'] = df['duration'].gt(3)
subset_df = df[[*group_cols, 'index']].copy()
# Build Count DataFrames
gpby = subset_df.groupby(group_cols).count()
subset_gpby = subset_df.loc[100:, :].groupby(group_cols).count()