Pandas geeft u toegang tot een breed scala aan kritische aspecten en instructies die bedoeld zijn om uw gegevens snel te evalueren. We maken gebruik van het proces om de Pandas DataFrames om te zetten in HTML-tabellen. De ontwikkelaars en gebruikers moeten hun Python DataFrames integreren in een HTML-broncode. Ze gebruiken deze Pandas-extensie om hun gegevens voor dit doel moeiteloos naar een HTML-bestand te verplaatsen met behulp van de Pandas to HTML-techniek. Om de methodologie uit te leggen, gebruiken we de 'Spyder'-tool voor de implementatie om het gemakkelijk te begrijpen samen met elke implementatie, stap voor stap.
Als we een lokaal HTML-bestand in Panda's willen ontleden, gebruiken we de naam en tekstfacetten van de tag. In combinatie met de code voor de tag-ul uit het bestand, kunnen we de titel en inhoud van de tag aanpassen. Als we het HTML-bestand van de URL in Panda's willen krijgen, moeten we enkele stappen doorlopen, waaronder de web-URL-parameter om de scanfunctie aan te roepen. Vervolgens verwijzen we naar de variabelen die het doorlezen van database-objecten mogelijk maken en lezen de binnenkant van de hele URL in de gegevensvariabele om de code uit te voeren om de gegevens in HTML-indeling te laten afdrukken.
Syntaxis voor Panda's naar HTML:
Voorbeeld: geef de weergave van een Pandas-dataframe weer in HTML-code en tabel
In een HTML-webpagina kan Pandas in Python een Pandas DataFrame veranderen in een HTML-tabel. Een Pandas DataFrame wordt uitgevoerd met de methode 'pandas.DataFrame.to html()'. Laten we naar ons voorbeeld kijken en de procedure bespreken om ons Python DataFrame naar HTML-broncode te transformeren. Om dit te bereiken, moeten we eerst het DataFrame ontwerpen dat uiteindelijk in HTML wordt weergegeven. Om de Pandas-filosofie toe te passen op onze Python-code, importeren we de Pandas-bibliotheek als 'pd'.
Ons DataFrame 'Leden' bevat de woordenboeken met betrekking tot de informatie van het lid, samen met de vier gedeclareerde variabelen als 'Namen', 'Leeftijd', 'Job' en 'Vaardigheid'. De eerste rij slaat de gegevens op als 'Cameron' voor 'Namen', '21' voor 'leeftijd', 'Architect' voor 'Job' en 'Writer' voor 'Vaardigheid'. Op deze manier zijn de tweede rij van de DataFrame-geïnitialiseerde waarden die we toewijzen 'James', '31', 'Programmer' en 'Mechanic' in hun respectieve kolommen. Op deze manier bevat het andere woordenboek 'Tommy', '28', 'Kassier' en 'Berekening' in zijn gegevens. En de laatste rij die we aan ons DataFrame toewijzen, bevat de gegevens 'Robert' als een waarde voor 'Namen', '40' als een toegewezen waarde voor 'Leeftijd', 'Cleaner' als 'Job' en 'Singer' als een 'Vaardigheid'.
Hierna, door de gegevens voor ons DataFrame toe te wijzen, bieden we ze ook het 'index' -bereik van '1' tot '4', aangezien het DataFrame vier rijen zou kunnen hebben. Daarna gebruiken we de functie 'pd.dataframe()' om de gegevens samen met de indexnummers samen te voegen. Ten slotte gebruiken we de functie 'print()' om ons DataFrame weer te geven.
Nu kunnen we de weergave van onze DataFrame 'Leden' zien die we hebben gemaakt. Hier kunnen we zien dat het de eenvoudige weergave van ons DataFrame is die we converteren naar een HTML-bron. Het heeft gewoon vier kolommen - 'Namen', 'Leeftijd', 'Job' en 'Vaardigheid' - met alle vergelijkbare gegevens die we in de code aan ons DataFrame toewijzen. De rijen hebben indexnummers als '1', '2', '3' en '4'. Bij deze stap zien we dat we ons DataFrame 'Leden' maken. Na het aanmaken van ons DataFrame gaan we verder met de verdere implementatie.
Dit is de stap waarin we zien hoe we onze DataFrame 'Leden' kunnen converteren naar een HTML-code. Het is tijd om het bedrog te begrijpen van de Python's DataFrame to html()-methode die het DataFrame in HTML evolueert. De functie html() wijzigt het gehele DataFrame, waardoor elke rij in het DataFrame een aparte reeks in de HTML-tabel is. Voor dit doel declareren we de variabele 'html' en slaan deze op met de functie 'df.to_html()' om ons hele DataFrame om te zetten in een Html-code. Na de implementatie van de functie “df.to_html()” passen we de functie “print()” toe op de directory “html”.
Nu kijken we naar de HTML-code die is geconverteerd van Pandas DataFrame 'Leden'. Dit is de manier om al onze DataFrames om te zetten in een HTML-broncode die het hele DataFrame in HTML-code beschrijft, inclusief alle tags met tabelranden als '1'. De kolomnamen zijn ingekapseld onder de '' als de tabelkop van het HTML-element, terwijl het hele DataFrame wordt gewijzigd in een ' Omdat er vier rijen in ons DataFrame waren, wordt ' Nu slaan we onze HTML-code op in de huidige actieve directory als 'signaal' samen met de extensie '.html'. We gebruiken de functie 'open()' om de naam van de bestandslocatie te bepalen als 'file=open('signal.html', 'w')'. Omdat het plaatssleutelwoord 'w' het opslaat om het bestand te tonen en het in HTML-vorm openbaar te maken, gebruiken we de functie '.write()' en beëindigen we onze Pandas-code samen met de functie 'close()' in het bestand. We hebben het over het merendeel van de eenvoudigere gevallen die we gebruiken om het op te slaan, samen met de bestandsextensie '.html' die het omzet in HTML en de interface van de browser in dezelfde map biedt. Na de conversie van ons DataFrame 'Leden' naar HTML, verkrijgen we onze HTML-code die we eerst opslaan in dezelfde maplocatie. Wanneer we onze HTML-broncode verkrijgen, kunnen we deze samen met de webextensie openen door het HTML-bronbestand met de browser te openen. We zien dat het de uitvoer weergeeft als een HTML-tabel op de browserpagina. Zoals we in de tabeluitvoer kunnen zien, bevat deze een randgrootte van '1' en geen celafstand erlangs. De tabel toont vijf kolommen. Waarvan vier kolomnamen zijn 'Namen', 'Leeftijd', 'Job' en 'Vaardigheid'. Als we het hebben over het indexnummer '1', heeft het 'Cameron' in de kolom 'Namen', '21' in 'Leeftijd', 'Architect' in 'Job' en 'Writer' in 'Vaardigheid'. Het indexnummer '2' in de tabel toont 'James' in 'Namen', '31' in 'Leeftijd', 'Programmer' in 'Job' en 'Mechanic' in 'Vaardigheid'. De index '3' van kolom 'Namen' toont 'Tommy', '28' in 'Leeftijd', 'Kassier' in 'Job' en 'Berekening in kolom 'Vaardigheid' op de browserpagina. De '4' index van de laatste rij in de tabel toont 'Robert' in 'Namen', '40' in 'Leeftijd, 'Schoonmaker' in 'Job' en 'Zanger' in 'Vaardigheid'. Om ons DataFrame te wijzigen in de HTML-broncode voor dit artikel, hebben we het eerst samengesteld met de naam 'Leden'. Bij het renderen van een DataFrame in een HTML-code, gebruiken we de functie 'html = df.to html()'. Bij het weergeven van een HTML-tabel gebruiken we de map 'file = open('signal.html', 'w')' en de bestandslocatie 'signal.html' die in dezelfde map zijn opgeslagen. Hierdoor waren we in staat om ons Pandas DataFrame om te zetten in een HTML-broncodebestand en dit te tonen met een tabel.' HTML-element. Bovendien wordt elke rij van het DataFrame omgezet in een rij samen met de tag '
' in de HTML-tabel. De '' gebruikt wat dingen van 'CSS' samen met de tag ' ' die de tabelrij beschrijft.
' ook vier keer gebruikt, samen met hun afsluitende tags. Zoals we weten in HTML, moet het zowel openings- als sluitingstags hebben in hun respectievelijke HTML-code. Alle gegevens of DataFrame zijn ingesloten tussen de opening ' ' en '
' en de afsluitende tag. De rest van de hele HTML-code bevat dezelfde gegevens als in het DataFrame, het is alleen geconverteerd naar een eenvoudige HTML-broncode, samen met de nodige tags die nodig zijn om een tabel te vormen.
Conclusie