이번에는 Pandas DataFrame객체의 값이 결측일 경우 Styling을 활용하여 시각적 효과를 부여하는 방법을 알아보도록 한다.

데이터 준비

먼저 다음과 같이 결측치(NA)와 비어있는 텍스트가 있는 데이터를 준비하도록 한다.

1
2
3
4
5
6
7
8
9

import pandas as pd
import numpy as np

np.random.seed(123)
df = pd.DataFrame(np.random.randn(3, 4), 
                  columns = ["A", "B", "C", "D"])
df.iloc[[0, 2], 1] = pd.NA
df.iloc[[0, 2], 3] = ""
df

결측치 처리

결측치 또는 빈칸일 경우 셀의 배경을 빨간색(red), 그렇지 않은 경우는 흰색(white)으로 지정하는 사용자 정의 함수 na_fill_01() 를 만들어보자.

1
2
3
4
5
6
7

def na_fill_01(value):
    if (pd.isna(value)) | (value == ""):
        fill = "red"
    else:
        fill = "white"
    
    return "background-color: " + fill

글자 색상 지정을 위해서는 “color”에 값을 지정해야 하나 셀의 배경색이기 때문에 “background-color”에 값을 지정하도록 하였다. 이제 해당 함수를 DataFrame 객체에 적용해보자.

1

df.style.applymap(na_fill_01)

제대로된 결과가 나온 것 같지만 row 인덱스가 0과 2인 것은 옅은회색이 아니라 흰색으로 배경색이 설정되어 사실상 완벽하게 처리되었다고 보기는 어렵다. 그래서 조금 개선된 함수인 na_fill_02() 를 만들어 보자.

1
2
3
4
5
6
7

def na_fill_02(value):
    if (pd.isna(value)) | (value == ""):
        fill = "red"
    else:
        fill = "inherit"
    
    return "background-color: " + fill

“fill” 객체에 입력이 되는 “inherit”는 CSS에서 상위 element의 값을 그대로 상속받는 것으로 “우리가 다루고자 하는 element의 해당 속성은 그대로 두겠다.” 라는 뜻으로 해석할 수 있다. 그럼 na_fill_02() 함수를 DataFrame에 적용해보자.

1

df.style.applymap(na_fill_02)

이제 결측치가 아닌 값의 배경이 기존 DataFrame에서 보던 것과 같게 되었다. 그렇다면 여기서 결측의 종류가 더 많으면 어떻게 할 수 있을까? 예를 들어 결측치가 빈칸인 경우도 있지만 하이픈(-)이나 “x”로 표기할 수 있기 때문이다. 이를 실습하기 위해 새로운 데이터를 준비해보자.

1
2
3
4
5
6
7
8

np.random.seed(456)
df2 = pd.DataFrame(np.random.randn(3, 4), 
                   columns = ["A", "B", "C", "D"])
df2.iloc[[0, 2], 1] = pd.NA
df2.iloc[[0, 2], 3] = ""
df2.iloc[1, 2] = "-"
df2.iloc[2, 2] = "x"
df2

그리고 다양한 결측을 처리하기 위한 함수인 na_fill_03() 을 다음과 같이 정의해보자.

1
2
3
4
5
6
7

def na_fill_03(value, color):
    if (pd.isna(value)) | (str(value) in ["", "-", "x"]):
        fill = color
    else:
        fill = "inherit"
    
    return "background-color: " + fill

na_fill_02() 함수에서 입력값인 “value” 객체를 처리하는 부분의 코드가 바뀌었다. 즉, 사용자가 결측치라고 간주하는 값의 목록을 if 조건문에서 지정해준다. 물론 함수의 입력값으로 사용자가 별도의 값을 임의로 입력할 수 있도록 사용자 정의 함수를 생성할 수도 있다.
상기 한수를 적용한 결과는 다음과 같다.

1

df2.style.applymap(na_fill_02, color = "#FFAACC")

<Python Pandas Styling 시리즈>
Python Pandas Styling - 01
Python Pandas Styling - 02
Python Pandas Styling - 03
Python Pandas Styling - 04