Panda的info()转HTML

Question

Pandas提供了一个describe()函数，用于计算DataFrame的一些汇总统计信息。该函数的输出结果是另一个DataFrame，因此只需调用to_html()即可轻松导出HTML。

它还提供了关于DataFrame的信息，使用info()函数进行查询，但是该函数会打印输出结果，返回None。有没有办法获得与DataFrame相同的信息或以其他方式导出到HTML呢？

以下是info()函数的示例参考：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 7 columns):
0    5 non-null float64
1    5 non-null float64
2    5 non-null float64
3    5 non-null float64
4    5 non-null float64
5    5 non-null float64
6    5 non-null float64
dtypes: float64(7)
memory usage: 360.0 bytes

- gozzilli

Answer 1

一种解决方法是将info()的输出保存到可写缓冲区中（使用buf参数），然后将其转换为HTML。

以下是使用txt文件作为缓冲区的示例，但使用StringIO可以很容易地在内存中完成。

import pandas as pd
import numpy as np

frame = pd.DataFrame(np.random.randn(100, 3), columns =['A', 'B', 'C'])

_ = frame.info(buf = open('test_pandas.txt', 'w'))   #save to txt

# Example to convert to html
contents = open("test_pandas.txt","r")
with open("test_pandas.html", "w") as e:
    for lines in contents.readlines():
        e.write("<pre>" + lines + "</pre> <br>\n")

这是文本的样子：

这种使用StringIO的变体可以在@jezrael的答案中找到，因此更新此答案可能没有意义。

- FLab

---

我首先尝试了buf选项，但对我没有用。你的txt文件中包含任何文本吗？ - Satyadev

我复制了你输入的完全相同的代码，但无法复现你的输出。请问你使用的是哪个版本的Python和Pandas呢？ - Satyadev

谢谢。这一切都可以使用“StringIO”在内存中完成。 - gozzilli

是的，但你能确认它是否有效吗？我尝试了一个buffer1 = StringIO()，并将其作为buf参数传递，但出现了一些问题，当我尝试打印我的缓冲区时，我得到了一个None。 - Satyadev

啊，我在Python 2.7中使用StringIO而不是BytesIO，那就是问题所在了。无论如何，谢谢！ - Satyadev

Answer 2

我尝试使用StringIO重写另一种解决方案，还需要使用getvalue()和split：

from pandas.compat import StringIO

frame = pd.DataFrame(np.random.randn(100, 3), columns =['A', 'B', 'C'])

a = StringIO()
frame.info(buf = a)  

# Example to convert to html
contents = a.getvalue().split('\n')
with open("test_pandas.html", "w") as e:
    for lines in contents:
        e.write("<pre>" + lines + "</pre> <br>\n")

- jezrael

Answer 3

import StringIO
output = StringIO.StringIO()
#Write df.info to a string buffer
df.info(buf=output)
#put the info back to a dataframe so you can use df.to_html()
df_info =  pd.DataFrame(columns=['DF INFO'], data=output.getvalue().split('\n'))
df_info.to_html()

- Allen Qin

Answer 4

在借鉴了所有这些优秀答案的基础上，我最终采取了以下措施：

• 去掉前三行和后两行，因为它们包含了记忆信息和其他不在表格格式中的内容（并且有固定数量的行）
• 使用StringIO将列信息（下面代码片段中的datatype）转换为pandas的DataFrame
• 将列重命名为“count”、“null”和“dtype”
• 返回列信息的html和剩余行的纯文本（前3行和后2行）

因此结果是这样的：

def process_content_info(content: pd.DataFrame):
    content_info = StringIO()
    content.info(buf=content_info)
    str_ = content_info.getvalue()

    lines = str_.split("\n")
    table = StringIO("\n".join(lines[3:-3]))
    datatypes = pd.read_table(table, delim_whitespace=True, 
                   names=["column", "count", "null", "dtype"])
    datatypes.set_index("column", inplace=True)

    info = "\n".join(lines[0:2] + lines[-2:-1])

    return info, datatypes

也许第二个StringIO可以简化，但无论如何这都实现了我所需的功能。

- gozzilli