Pandas σε HTML

Το Pandas σάς παρέχει πρόσβαση σε ένα ευρύ φάσμα κρίσιμων πτυχών και οδηγιών που αποσκοπούν στη γρήγορη αξιολόγηση των δεδομένων σας. Αξιοποιούμε τη διαδικασία μετατροπής των Pandas DataFrames σε πίνακες HTML. Οι προγραμματιστές και οι χρήστες πρέπει να ενσωματώσουν τα Python DataFrames τους σε έναν πηγαίο κώδικα HTML. Χρησιμοποιούν αυτήν την επέκταση Pandas για να μεταφέρουν αβίαστα τα δεδομένα τους σε ένα αρχείο HTML για το σκοπό αυτό χρησιμοποιώντας την τεχνική Pandas σε HTML. Για να εξηγήσουμε τη μεθοδολογία, χρησιμοποιούμε το εργαλείο «Spyder» για την υλοποίηση για να γίνει κατανοητό μαζί με κάθε υλοποίηση, βήμα προς βήμα.

Αν θέλουμε να αναλύσουμε ένα τοπικό αρχείο HTML στο Pandas, χρησιμοποιούμε το όνομα και τις πτυχές κειμένου της ετικέτας. Σε συνδυασμό με τον κώδικα για την ετικέτα-ul από το αρχείο, μπορούμε να προσαρμόσουμε τον τίτλο και το περιεχόμενο της ετικέτας. Εάν θέλουμε να λάβουμε το αρχείο HTML από τη διεύθυνση URL στο Pandas, θα πρέπει να ακολουθήσουμε ορισμένα βήματα που περιλαμβάνουν την παράμετρο URL ιστού για να ενεργοποιήσουμε τη λειτουργία σάρωσης. Στη συνέχεια, αναφέρουμε τις μεταβλητές που επιτρέπουν τη διερεύνηση από αντικείμενα βάσης δεδομένων και διαβάζουμε ολόκληρο το εσωτερικό του URL στη μεταβλητή δεδομένων για να εκτελέσουμε τον κώδικα για να εκτυπωθούν τα δεδομένα σε μορφή HTML.

Σύνταξη για Pandas σε HTML:

Παράδειγμα: Εμφάνιση της απόδοσης ενός Pandas DataFrame σε κώδικα και πίνακα HTML

Σε μια ιστοσελίδα HTML, τα Pandas στην Python μπορούν να αλλάξουν ένα Pandas DataFrame σε έναν πίνακα HTML. Ένα Pandas DataFrame εκτελείται χρησιμοποιώντας τη μέθοδο 'pandas.DataFrame.to html()'. Ας δούμε το παράδειγμά μας και ας συζητήσουμε τη διαδικασία μετατροπής του Python DataFrame σε πηγαίο κώδικα HTML. Για να το πετύχουμε αυτό, πρέπει πρώτα να σχεδιάσουμε το DataFrame που τελικά αποδίδεται σε HTML. Προκειμένου να εφαρμόσουμε τη φιλοσοφία των Pandas στον κώδικα Python μας, κατά συνέπεια εισάγουμε τη βιβλιοθήκη Pandas ως 'pd'.

Το DataFrame 'Members' περιέχει τα λεξικά που σχετίζονται με τις πληροφορίες του μέλους μαζί με τις τέσσερις δηλωμένες μεταβλητές ως 'Names', 'Age', 'Job' και 'Skill'. Η πρώτη σειρά αποθηκεύει τα δεδομένα ως 'Cameron' για τα 'Names', '21' για την 'ηλικία', 'Architect' για το 'Job' και 'Writer' για το 'Skill'. Με αυτόν τον τρόπο, η δεύτερη σειρά των αρχικοποιημένων τιμών του DataFrame που εκχωρούμε είναι 'James', '31', 'Programmer' και 'Mechanic' στις αντίστοιχες στήλες τους. Με αυτόν τον τρόπο, το άλλο λεξικό περιέχει στα δεδομένα του τα «Tommy», «28», «Cashier» και «Calculation». Και η τελευταία σειρά που εκχωρούμε στο DataFrame μας περιέχει τα δεδομένα 'Robert' ως τιμή για 'Names', '40' ως εκχωρημένη τιμή για 'Age', 'Cleaner' ως 'Job' και 'Singer' ως τιμή 'Επιδεξιότητα'.

Στη συνέχεια, εκχωρώντας τα δεδομένα για το DataFrame μας, τους παρέχουμε επίσης το εύρος 'ευρετηρίου' από '1' έως '4', καθώς το DataFrame θα μπορούσε να έχει τέσσερις σειρές. Μετά από αυτό, χρησιμοποιούμε τη συνάρτηση 'pd.dataframe()' για να συγχωνεύσουμε τα δεδομένα μαζί με τους αριθμούς ευρετηρίου. Τέλος, χρησιμοποιούμε τη συνάρτηση “print()” για να εμφανίσουμε το DataFrame μας.

Τώρα, μπορούμε να δούμε την εμφάνιση των «Members» του DataFrame που δημιουργήσαμε. Εδώ, μπορούμε να δούμε ότι είναι η απλή εμφάνιση του DataFrame μας που μετατρέπουμε σε πηγή HTML. Απλώς έχει τέσσερις στήλες – «Ονόματα», «Ηλικία», «Εργασία» και «Ικανότητα» – με όλα τα παρόμοια δεδομένα που εκχωρούμε στο DataFrame μας στον κώδικα. Οι σειρές του έχουν αριθμούς ευρετηρίου ως '1', '2', '3' και '4'. Σε αυτό το βήμα, βλέπουμε ότι δημιουργούμε τα «Μέλη» του DataFrame μας. Αφού δημιουργήσουμε το DataFrame μας, προχωράμε στην περαιτέρω υλοποίηση.

Τώρα, αυτό είναι το βήμα όπου βλέπουμε πώς μπορούμε να μετατρέψουμε τα 'Μέλη' του DataFrame σε κώδικα HTML. Ήρθε η ώρα να κατανοήσουμε την απάτη της μεθόδου DataFrame σε html() της Python που εξελίσσει το DataFrame σε HTML. Η συνάρτηση html() αλλάζει ολόκληρο το DataFrame, με αποτέλεσμα κάθε σειρά στο DataFrame να είναι μια ξεχωριστή ακολουθία στον πίνακα HTML. Για το σκοπό αυτό, δηλώνουμε τη μεταβλητή “html” και την αποθηκεύουμε χρησιμοποιώντας τη συνάρτηση “df.to_html()” για να μετατρέψουμε ολόκληρο το DataFrame μας σε κώδικα Html. Μετά την υλοποίηση της συνάρτησης “df.to_html()”, εφαρμόζουμε τη συνάρτηση “print()” στον κατάλογο “html”.

Τώρα, εξετάζουμε τον κώδικα HTML που μετατρέπεται από το Pandas DataFrame 'Members'. Αυτός είναι ο τρόπος για να μετατρέψετε οποιοδήποτε από τα DataFrame μας σε έναν πηγαίο κώδικα HTML που περιγράφει ολόκληρο το DataFrame σε κώδικα HTML, συμπεριλαμβανομένων όλων των ετικετών που έχουν περιθώρια πίνακα ως '1'. Τα ονόματα των στηλών ενσωματώνονται κάτω από το '' ως η κεφαλή του πίνακα του στοιχείου HTML, ενώ ολόκληρο το DataFrame τροποποιείται σε στοιχείο HTML «

Καθώς υπήρχαν τέσσερις σειρές στο DataFrame μας, το '

Τώρα, αποθηκεύουμε τον κώδικα HTML στον τρέχοντα κατάλογο που εκτελείται ως 'σήμα' μαζί με την επέκταση '.html'. Χρησιμοποιούμε τη συνάρτηση “open()” για να προσδιορίσουμε το όνομα της θέσης του αρχείου ως “file=open(“signal.html”, “w”)”. Καθώς η λέξη-κλειδί 'w' το αποθηκεύει για να εμφανίζει το αρχείο και να το αποκαλύπτει σε μορφή HTML, χρησιμοποιούμε τη συνάρτηση '.write()' και τερματίζουμε τον κώδικα Pandas μαζί με τη συνάρτηση 'close()' στο αρχείο. Μιλάμε για την πλειονότητα της απλούστερης περίπτωσης που χρησιμοποιούμε για να την αποθηκεύσουμε μαζί με την επέκταση αρχείου “.html” που τη μετατρέπει σε HTML και παρέχει τη διεπαφή του προγράμματος περιήγησης στον ίδιο κατάλογο.

Μετά τη μετατροπή των «Members» του DataFrame σε HTML, λαμβάνουμε τον κώδικα HTML μας τον οποίο αποθηκεύουμε πρώτα στην ίδια θέση καταλόγου. Όταν λάβουμε τον πηγαίο κώδικα HTML, μπορούμε να τον ανοίξουμε μαζί με την επέκταση ιστού ανοίγοντας το αρχείο πηγής HTML με το πρόγραμμα περιήγησης. Βλέπουμε ότι εμφανίζει την έξοδο ως πίνακα HTML στη σελίδα του προγράμματος περιήγησης.

Όπως μπορούμε να δούμε στην έξοδο του πίνακα, περιέχει μέγεθος περιγράμματος '1' και καμία απόσταση κελιών κατά μήκος τους. Ο πίνακας δείχνει πέντε στήλες. Από τις οποίες, τέσσερα ονόματα στηλών είναι «Ονόματα», «Ηλικία», «Εργασία» και «Ικανότητα». Αν μιλάμε για τον αριθμό ευρετηρίου '1', έχει 'Cameron' στη στήλη 'Names', '21' στη 'Age', 'Architect' στο 'Job' και 'Writer' στη 'Skill'. Ο αριθμός ευρετηρίου '2' στον πίνακα εμφανίζει 'James' στο 'Names', '31' στο 'Age', 'Programmer' στο 'Job' και 'Mechanic' στο 'Skill'. Το ευρετήριο «3» της στήλης «Ονόματα» εμφανίζει «Tommy», «28» στο «Ηλικία», «Ταμείο» στη «Εργασία» και «Υπολογισμός στη στήλη «Ικανότητα» στη σελίδα του προγράμματος περιήγησης. Ο δείκτης '4' της τελευταίας σειράς στον πίνακα εμφανίζει το 'Robert' στο 'Names', το '40' στο 'Age', το 'Cleaner' στο 'Job' και το 'Singer' στο 'Skill'.

συμπέρασμα

Για να αλλάξουμε το DataFrame μας στον πηγαίο κώδικα HTML για αυτό το άρθρο, πρώτα το συγκεντρώσαμε με το όνομα 'Μέλη'. Όταν αποδίδουμε ένα DataFrame σε κώδικα HTML, χρησιμοποιούμε τη συνάρτηση “html = df.to html()”. Όταν εμφανίζουμε έναν πίνακα HTML, χρησιμοποιούμε τον κατάλογο 'file = open('signal.html', 'w')' και τη θέση αρχείου 'signal.html' που αποθηκεύονται στον ίδιο κατάλογο. Μέσω αυτού, μπορέσαμε να μετατρέψουμε το Pandas DataFrame σε αρχείο πηγαίου κώδικα HTML και να το εμφανίσουμε με έναν πίνακα.