Pandas: الخرج المنسّق

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'region': ['North', 'South', 'East', 'West'],
    'sales': [5200, 3100, 4800, 2900],
    'profit': [1560, 620, 1440, 435],
    'margin': [0.30, 0.20, 0.30, 0.15]
})

> **الخرج:** قم بتشغيل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) والتطبيق العملي. قد تختلف القيم الفعلية قليلاً حسب إصدار pandas.

> **الخرج:** قم بتشغيل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) والتطبيق العملي. قد تختلف القيم الفعلية قليلاً حسب إصدار pandas.

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'region': ['North', 'South', 'East', 'West'],
    'sales': [5200, 3100, 4800, 2900],
    'profit': [1560, 620, 1440, 435],
    'margin': [0.30, 0.20, 0.30, 0.15]
})

# Chain styling methods
styled = (df.style
    .format({'sales': '${:,.0f}', 'profit': '${:,.0f}', 'margin': '{:.1%}'})
    .background_gradient(subset=['sales'], cmap='RdYlGn')
    .highlight_max(subset=['profit'], color='lightgreen')
)
# styled in Jupyter shows the styled table
# styled.to_html('report.html') for export
print("Styled table created!")

> **الخرج:** قم بتشغيل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) والتطبيق العملي. قد تختلف القيم الفعلية قليلاً حسب إصدار pandas.

> **Output:** Run this in a local Python environment (pandas 2.x). The Piston server does not have pandas preinstalled, so please install it on your machine (`pip install pandas`) and follow along hands-on. Actual values may vary slightly depending on the pandas version.

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'product': ['A', 'B', 'C', 'D', 'E'],
    'price': [29.99, 99.99, 149.99, 499.99, 9.99],
    'stock': [50, 120, 80, 35, 200],
    'rating': [4.5, 4.2, 3.8, 4.8, 4.0]
})

# df.style returns Styler (not DataFrame!)
styler = df.style
print(type(styler))  # pandas.io.formats.style.Styler

# Chain multiple styles
result = (df.style
    .format({'price': '${:.2f}', 'rating': '{:.1f}/5.0'})
    .set_caption('Product Catalog')
    .set_properties(**{'text-align': 'center'}, subset=['price', 'rating'])
)
# result renders in Jupyter

# Styler does NOT modify original DataFrame
print(df['price'].dtype)  # still float64, unchanged

> **Output:** Run this in a local Python environment (pandas 2.x). The Piston server does not have pandas preinstalled, so please install it on your machine (`pip install pandas`) and follow along hands-on. Actual values may vary slightly depending on the pandas version.

> **الخرج:** قم بتشغيل هذا في بيئة Python محلية (pandas 2.x). لا يحتوي خادم Pandas على مكتبة pandas مثبتة مسبقاً، لذا يرجى تثبيتها على جهازك (`pip install pandas`) واتبع الخطوات يدوياً. قد تختلف القيم الفعلي قليلاً اعتماداً على إصدار pandas.

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'salary': [75000.50, 92000.75, 68000.25],
    'bonus': [0.15, 0.20, 0.10],
    'performance': [4.567, 3.891, 4.123]
})

styled = df.style.format({
    'salary': '${:,.2f}',         # $75,000.50
    'bonus': '{:.0%}',             # 15%
    'performance': '{:.1f}/5.0'    # 4.6/5.0
})

# Format all numeric columns
styled2 = df.style.format(precision=2)  # 2 decimal places for all

# Thousands separator
styled3 = df.style.format({'salary': '{:,.0f}'})  # 75,001

# Custom formatter function
styled4 = df.style.format({
    'salary': lambda x: f'${x:,.0f}'
})
print("Formatted tables created!")

> **الخرج:** قم بتشغيل هذا في بيئة Python محلية (pandas 2.x). لا يحتوي خادم Pandas على مكتبة pandas مثبتة مسبقاً، لذا يرجى تثبيتها على جهازك (`pip install pandas`) واتبع الخطوات يدوياً. قد تختلف القيم الفعلي قليلاً اعتماداً على إصدار pandas.

> **المخرجات:** شغّل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على مكتبة pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) واتباع الخطوات بشكل عملي. القيم الفعلية قد تختلف قليًّا حسب إصدار pandas.

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'region': ['North', 'South', 'East', 'West'],
    'Q1': [5200, 3100, 4800, 2900],
    'Q2': [5800, 3400, 5100, 3100],
    'Q3': [6100, 3800, 5600, 3500],
    'Q4': [6500, 4100, 5900, 3800]
}).set_index('region')

# Heatmap: RdYlGn (red-yellow-green)
styled = df.style.background_gradient(cmap='RdYlGn')

# Subset: only specific columns
styled2 = df.style.background_gradient(
    subset=['Q1', 'Q4'],
    cmap='Blues',
    vmin=2000, vmax=7000
)

# Per-column gradient (each column scaled independently)
styled3 = df.style.background_gradient(cmap='YlOrRd', axis=0)

# Per-row gradient (each row scaled independently)
styled4 = df.style.background_gradient(cmap='YlOrRd', axis=1)
print("Heatmap styles created!")

> **المخرجات:** شغّل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على مكتبة pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) واتباع الخطوات بشكل عملي. القيم الفعلية قد تختلف قليًّا حسب إصدار pandas.

> **الخرج:** قم بتشغيل هذا في بيئة Python محلية (pandas 2.x). لا يحتوي خادم Pandas على pandas مثبتًا مسبقًا، لذا يرجى تثبيته على جهازك (`pip install pandas`) واتبع التعليمات يدويًا. قد تتغير القيم الفعلية قليلاً حسب إصدار pandas.

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'product': ['A', 'B', 'C', 'D', 'E'],
    'sales': [5200, 3100, 4800, 2900, 6500],
    'target': [5000, 4000, 5000, 3000, 6000]
})

# شريط داخل الخلايا (Bar inside cells)
styled = df.style.bar(
    subset=['sales'],
    color='lightblue',
    vmin=0, vmax=7000
)

# الإنجاز: الشريط يوضح نسبة التحقيق من الهدف (Achievement: bar shows % of target)
df['achievement'] = (df['sales'] / df['target'] * 100).round(1)
styled2 = df.style.bar(
    subset=['achievement'],
    color=['#ff6b6b', '#51cf66'],  # أحمر < 100%، أخضر >= 100%
    vmin=0, vmax=150
)
print("تم إنشاء أنماط المخططات العمودية!")

> **الخرج:** قم بتشغيل هذا في بيئة Python محلية (pandas 2.x). لا يحتوي خادم Pandas على pandas مثبتًا مسبقًا، لذا يرجى تثبيته على جهازك (`pip install pandas`) واتبع التعليمات يدويًا. قد تتغير القيم الفعلية قليلاً حسب إصدار pandas.

> **الخرج:** قم بتشغيل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على مكتبة pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) واتباع الخطوات بشكل عملي. قد تختلف القيم الفعلية قليلاً حسب إصدار pandas.

import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    'product': ['A', 'B', 'C', 'D', 'E'],
    'price': [29.99, 99.99, 149.99, 499.99, 9.99],
    'stock': [50, 120, 80, 35, np.nan],
    'rating': [4.5, 4.2, 3.8, 4.8, 4.0]
})

# تمييز القيمة القصوى لكل عمود
styled = df.style.highlight_max(
    subset=['price', 'stock', 'rating'],
    color='lightgreen'
)

# تمييز القيمة الدنيا
styled2 = df.style.highlight_min(
    subset=['price', 'rating'],
    color='lightcoral'
)

# تمييز قيم NaN
styled3 = df.style.highlight_null(color='yellow')

# مخصص: تمييز المخزون المنخفض (< 40)
def highlight_low_stock(val):
    color = 'red' if val < 40 else ''
    return f'background-color: {color}'

styled4 = df.style.applymap(highlight_low_stock, subset=['stock'])
# ملاحظة: تمت إعادة تسمية applymap إلى map في Pandas 2.x
# styled4 = df.style.map(highlight_low_stock, subset=['stock'])
print("Highlight styles created!")

> **الخرج:** قم بتشغيل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston لا يحتوي على مكتبة pandas مثبتة مسبقًا، لذا يرجى تثبيتها على جهازك (`pip install pandas`) واتباع الخطوات بشكل عملي. قد تختلف القيم الفعلية قليلاً حسب إصدار pandas.

> **الإخراج:** شغّل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston ليس لديه pandas مثبّتًا مسبقًا، لذا يرجى تثبيته على جهازك (`pip install pandas`) واتبع الشرح العملي. قد تختلف القيم الفعليّة قليلاً حسب إصدار pandas.

> **الإخراج:** شغّل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston ليس لديه pandas مثبّتًا مسبقًا، لذا يرجى تثبيته على جهازك (`pip install pandas`) واتبع الشرح العملي. قد تختلف القيم الفعليّة قليلاً حسب إصدار pandas.

import pandas as pd
import numpy as np

# ============================================
# Comprehensive example: Sales report styling
# format → gradient → bar → highlight → export
# ============================================

np.random.seed(42)
df = pd.DataFrame({
    'region': ['North', 'South', 'East', 'West', 'Central'],
    'revenue': [520000, 310000, 480000, 290000, 410000],
    'cost': [364000, 248000, 336000, 246500, 307500],
    'profit': [156000, 62000, 144000, 43500, 102500],
    'margin': [0.30, 0.20, 0.30, 0.15, 0.25],
    'growth': [0.12, -0.05, 0.08, -0.10, 0.15],
    'customers': [1200, 850, 1100, 680, 950]
}).set_index('region')

# Multi-style chain
styled = (df.style
    .format({
        'revenue': '${:,.0f}',
        'cost': '${:,.0f}',
        'profit': '${:,.0f}',
        'margin': '{:.1%}',
        'growth': '{:+.1%}',
        'customers': '{:,}'
    })
    .background_gradient(subset=['margin'], cmap='RdYlGn', vmin=0, vmax=0.4)
    .bar(subset=['customers'], color='lightblue', vmin=0)
    .highlight_max(subset=['profit'], color='lightgreen')
    .highlight_min(subset=['profit'], color='lightcoral')
    .set_caption('2024 Regional Sales Report')
    .set_properties(**{'text-align': 'right'}, subset=['revenue', 'cost', 'profit'])
)

# Export
# styled.to_html('report.html')
# styled.to_excel('report.xlsx', engine='openpyxl')
print("Full styled report created!")

> **الإخراج:** شغّل هذا في بيئة بايثون محلية (pandas 2.x). خادم Piston ليس لديه pandas مثبّتًا مسبقًا، لذا يرجى تثبيته على جهازك (`pip install pandas`) واتبع الشرح العملي. قد تختلف القيم الفعليّة قليلاً حسب إصدار pandas.