简介
数据可视化是数据分析和机器学习的关键方面。Gradio DataFrame 组件是一种流行的方式，在网络应用程序中显示表格数据（特别是以 pandas DataFrame 对象的形式）。
本文将探讨 Gradio 的最新增强功能，这些功能允许用户整合 pandas 的样式选项，例如为 DataFrame 组件添加颜色，或设置数字的显示精度。
让我们开始吧！
先决条件：我们将在示例中使用 gradio.Blocks 类。如果您还不熟悉它，可以先阅读 Blocks 指南。另外，请确保您使用的是 Gradio 的最新版本： pip install --upgrade gradio 。
概览
Gradio DataFrame 组件现在支持来自 pandas 类的 Styler 类型的值。这使我们能够重用 Styler 类的丰富现有 API 和文档，而不是自己发明一种新的样式格式。以下是一个完整示例的外观：
# 导入pandas和gradio库
import pandas as pd
import gradio as gr
# 创建一个样本数据框
df = pd.DataFrame({
"A" : [14, 4, 5, 4, 1],
"B" : [5, 2, 54, 3, 2],
"C" : [20, 20, 7, 3, 8],
"D" : [14, 3, 6, 2, 6],
"E" : [23, 45, 64, 32, 23]
})
# 使用样式对数据框进行处理，高亮每列的最大值，高亮颜色为浅绿色
styler = df.style.highlight_max(color = 'lightgreen', axis = 0)
# 在Gradio交互界面上展示经过样式处理的数据框
with gr.Blocks() as demo:
gr.DataFrame(styler)
# 启动Gradio界面
demo.launch()Styler 类可以用来对数据框应用条件格式和样式，使它们更具视觉吸引力和可解释性。您可以突出显示某些值，应用渐变，甚至使用自定义 CSS 来样式化 DataFrame。Styler 对象应用于 DataFrame，并返回一个具有相关样式属性的新对象，然后可以直接预览，或在 Gradio 界面中动态渲染。
要了解更多关于 Styler 对象的信息，请阅读官方文档：https://pandas.pydata.org/docs/user_guide/style.html
字体颜色
除了突出显示单元格，您可能还想为单元格内的特定文本上色。以下是如何更改某些列的文本颜色：
# 导入pandas和gradio库
import pandas as pd
import gradio as gr
# 创建一个样本数据框
df = pd.DataFrame({
"A" : [14, 4, 5, 4, 1],
"B" : [5, 2, 54, 3, 2],
"C" : [20, 20, 7, 3, 8],
"D" : [14, 3, 6, 2, 6],
"E" : [23, 45, 64, 32, 23]
})
# 写一个函数来修改文本颜色
def highlight_cols(x):
# 首先复制输入的数据框
df = x.copy()
# 将所有元素的颜色设为紫色
df.loc[:, :] = 'color: purple'
# 将'B', 'C', 'E'列的元素颜色设为绿色
df[['B', 'C', 'E']] = 'color: green'
# 返回被修改颜色的数据框
return df
# 应用上述颜色修改函数
s = df.style.apply(highlight_cols, axis = None)
# 在Gradio交互界面上展示上述处理过的数据框
with gr.Blocks() as demo:
gr.DataFrame(s)
# 启动Gradio界面
demo.launch()这段代码使用Gradio UI创建了一个可交互界面，将一个处理过的Pandas DataFrame展示出来。这个处理过的DataFrame改变了列'B', 'C', 'E'的文本颜色，对于数据分析和展示来说，这种突出显示关键列的方式可以帮助分析者更好地关注和理解数据。
在这个脚本中，我们定义了一个自定义函数 highlight_cols，它将所有单元格的文本颜色更改为紫色，但对 B、C 和 E 列使用绿色进行了覆盖。它看起来是这样的：
显示精度
有时候，你处理的数据可能会有很长的浮点数，你可能只想显示固定数量的小数位数以简化显示。pandas 的 Styler 对象允许你格式化显示的数字精度。以下是如何做到这一点的方法：
# 导入pandas和gradio库
import pandas as pd
import gradio as gr
# 创建一个包含浮点数的样本数据框
df = pd.DataFrame({
"A" : [14.12345, 4.23456, 5.34567, 4.45678, 1.56789],
"B" : [5.67891, 2.78912, 54.89123, 3.91234, 2.12345],
# ... 其他列
})
# 将数字的精度设置为2位小数
s = df.style.format("{:.2f}")
# 在Gradio交互界面中展示这个处理过的数据框
with gr.Blocks() as demo:
gr.DataFrame(s)
# 启动Gradio界面
demo.launch()在这个脚本中，Styler 对象的 format 方法被用来将数字的精度设置为两位小数。现在看起来清爽多了：
关于交互性的注意事项
需要记住的一点是，gradio DataFrame 组件在非交互式（即“静态”模式）时只接受 Styler 对象。如果 DataFrame 组件是交互式的，那么样式信息将被忽略，相反会显示原始表格值。
DataFrame 组件默认是非交互式的，除非它被用作事件的输入。在这种情况下，您可以通过设置 interactive 属性来强制组件为非交互式，如下所示：
c = gr.DataFrame(styler, interactive=False)结论 🎉
这只是使用 gradio.DataFrame 组件与 Styler 类来自 pandas 的可能性的一点体验。尝试一下，告诉我们你的想法！
