Pandas giver dig adgang til en bred vifte af kritiske aspekter og instruktioner, der er beregnet til hurtigt at evaluere dine data. Vi udnytter processen med at omdanne Pandas DataFrames til HTML-tabeller. Udviklerne og brugerne skal integrere deres Python DataFrames i en HTML-kildekode. De bruger denne Pandas-udvidelse til ubesværet at flytte deres data til en HTML-fil til dette formål ved hjælp af Pandas til HTML-teknikken. For at forklare metodikken bruger vi 'Spyder'-værktøjet til implementeringen for at gøre det let at forstå sammen med hver implementering, trin for trin.
Hvis vi ønsker at parse en lokal HTML-fil i Pandas, bruger vi taggets navn og tekstfacetter. I forbindelse med koden til tag-ul fra filen kan vi tilpasse taggets titel og indhold. Hvis vi ønsker at få HTML-filen fra URL'en i Pandas, bør vi gennemgå nogle trin, som inkluderer web-URL-parameteren for at aktivere scanningsfunktionen. Derefter henviser vi til de variabler, der gør det muligt at gennemse databaseobjekter, og læser hele URL'ens inderside ind i datavariablen for at køre koden for at få dataene udskrevet i HTML-format.
Syntaks for Pandaer til HTML:
Eksempel: Vis gengivelsen af en Pandas DataFrame i HTML-kode og tabel
På en HTML-webside kan Pandas i Python ændre en Pandas DataFrame til en HTML-tabel. En Pandas DataFrame udføres ved hjælp af 'pandas.DataFrame.to html()' metoden. Lad os se på vores eksempel og diskutere proceduren til at transformere vores Python DataFrame til HTML-kildekode. For at opnå dette skal vi først designe DataFrame, der i sidste ende gengives til HTML. For at anvende Pandas-filosofien på vores Python-kode importerer vi derfor Pandas-biblioteket som 'pd.'
Vores DataFrame 'Medlemmer' indeholder ordbøgerne relateret til medlemmets oplysninger sammen med de fire erklærede variabler som 'Navne', 'Alder', 'Job' og 'Skill'. Den første række gemmer dataene som 'Cameron' for 'Navne', '21' for 'alder', 'Arkitekt' for 'Job' og 'Skriber' for 'Skill'. På denne måde er den anden række af de DataFrame initialiserede værdier, som vi tildeler, 'James', '31', 'Programmer' og 'Mechanic' i deres respektive kolonner. På denne måde indeholder den anden ordbog 'Tommy', '28', 'Kasse' og 'Beregning' i sine data. Og den sidste række, som vi tildeler til vores DataFrame, indeholder dataene 'Robert' som en værdi for 'Navne', '40' som en tildelt værdi for 'Alder', 'Renere' som 'Job' og 'Sanger' som en 'Evne'.
Herefter, ved at tildele dataene til vores DataFrame, giver vi dem også 'indeks'-intervallet fra '1' til '4', da DataFrame kan have fire rækker. Derefter bruger vi funktionen 'pd.dataframe()' til at flette dataene sammen med indeksnumrene. Til sidst bruger vi 'print()'-funktionen til at vise vores DataFrame.
Nu kan vi se visningen af vores DataFrame 'Members', som vi oprettede. Her kan vi se, at det er den simple visning af vores DataFrame, som vi konverterer til en HTML-kilde. Den har ganske enkelt fire kolonner - 'Navne', 'Alder', 'Job' og 'Skill' - med alle de lignende data, som vi tildeler vores DataFrame i koden. Dens rækker har indeksnumre som '1', '2', '3' og '4'. På dette trin ser vi, at vi opretter vores DataFrame 'Medlemmer'. Efter at have oprettet vores DataFrame, fortsætter vi med den videre implementering.
Nu er dette trin, hvor vi ser, hvordan vi kan konvertere vores DataFrame 'Members' til en HTML-kode. Det er på tide at forstå tricket ved Pythons DataFrame til html() metode, som udvikler DataFrame til HTML. Funktionen html() ændrer hele DataFrame, hvilket resulterer i, at hver række i DataFrame er en særskilt sekvens i HTML-tabellen. Til dette formål erklærer vi variablen 'html' og gemmer den ved hjælp af 'df.to_html()'-funktionen til at konvertere hele vores DataFrame til en HTML-kode. Efter implementeringen af 'df.to_html()'-funktionen anvender vi 'print()'-funktionen på 'html'-mappen.
Nu ser vi på HTML-koden, som er konverteret fra Pandas DataFrame 'Members'. Dette er måden at konvertere enhver af vores DataFrames til en HTML-kildekode, der beskriver hele DataFrame i HTML-kode inklusive alle tags med tabelkanter som '1'. Kolonnenavnene er indkapslet under '' som tabelhovedet for HTML-elementet, mens hele DataFrame er ændret til et “ Da der var fire rækker i vores DataFrame, bruges ' Nu gemmer vi vores HTML-kode i den aktuelle kørende mappe som 'signal' sammen med '.html'-udvidelsen. Vi bruger 'open()'-funktionen til at bestemme filplaceringsnavnet som 'file=open('signal.html', 'w'). Da stedsøgeordet 'w' gemmer det for at vise filen og afsløre den i HTML-form, bruger vi '.write()'-funktionen og afslutter vores Pandas-kode sammen med 'close()'-funktionen på filen. Vi taler om størstedelen af den simplere sag, som vi bruger til at gemme den sammen med filtypen '.html', som konverterer den til HTML og giver browserens grænseflade i samme mappe. Efter konverteringen af vores DataFrame 'Members' til HTML, får vi vores HTML-kode, som vi først gemmer på den samme mappeplacering. Når vi får vores HTML-kildekode, kan vi åbne den sammen med webudvidelsen ved at åbne HTML-kildefilen med browseren. Vi ser, at den viser outputtet som en HTML-tabel på browsersiden. Som vi kan se i tabeloutputtet, indeholder den en kantstørrelse på '1' og ingen celleafstand langs dem. Tabellen viser fem kolonner. Heraf er fire kolonnenavne 'Navne', 'Alder', 'Job' og 'Skill'. Hvis vi taler om '1'-indeksnummeret, har det 'Cameron' i kolonnen 'Navne', '21' i 'Alder', 'Arkitekt' i 'Job' og 'Skriber' i 'Skill'. Indeksnummeret på '2' i tabellen viser 'James' i 'Names', '31' i 'Alder', 'Programmer' i 'Job' og 'Mekaniker' i 'Skill'. '3'-indekset i kolonnen 'Navne' viser 'Tommy', '28' i 'Alder', 'Kasse' i 'Job' og 'Beregning i kolonnen 'Skill' på browsersiden. '4'-indekset i den sidste række i tabellen viser 'Robert' i 'Navne', '40' i 'Alder', 'Renere' i 'Job' og 'Sanger' i 'Skill'. For at ændre vores DataFrame til HTML-kildekoden til denne artikel, samlede vi den først med navnet 'Medlemmer.' Når vi renderer en DataFrame til en HTML-kode, bruger vi funktionen 'html = df.to html()'. Når vi viser en HTML-tabel, bruger vi mappen “file = open(“signal.html”, “w”)” og filplaceringen “signal.html”, som er gemt i samme mappe. Gennem dette var vi i stand til at omdanne vores Pandas DataFrame til en HTML-kildekodefil og vise den med en tabel.” HTML-element. Derudover transformeres hver række i DataFrame til en række sammen med tagget '
' i HTML-tabellen. '' bruger nogle ting af 'CSS' sammen med tagget ' ', som beskriver tabelrækken.
' også fire gange sammen med deres afsluttende tags. Som vi ved i HTML, skal den have både åbnings- og lukketags i deres respektive HTML-kode. Alle data eller DataFrame er indesluttet mellem åbningen ' ' og '
' og det afsluttende tag. Resten af hele HTML-koden indeholder de samme data, som i DataFrame, den er bare konverteret til simpel HTML-kildekode sammen med de nødvendige tags, der kræves for at danne en tabel.
Konklusion