pandas 内置样式

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

pandas 提供了几个非常常用的内置样式，是我们经常要使用的，本文将对这些提高计数效率的样式功能进行介绍。

空值高亮 highlight_null

对为空的值，高亮标示。

df.iloc[1,1] = np.NaN # 修改一个值空
df.head().style.highlight_null() # 默认红色

pandas-building-styles

可以指定颜色：

# 使用颜色名
df.head().style.highlight_null(null_color='blue')
# 使用颜色值
df.head().style.highlight_null(null_color='#ccc')

也可以指定 CSS 属性样式，不过此时，null_color 就不能同时定义，会不起作用（1.3.0 版本+）：

df.style.highlight_null(props=['background-color: yellow; font-size: 1.5em;'])
df.style.highlight_null(props='font-size: 1.5em;')

最大最小值高亮

# 最大值高亮，默认黄色
df.head().style.highlight_max()
# 最小值高亮
df.head().style.highlight_min()
# 同时使用+指定颜色
(df.head()
 .style.highlight_max(color='lime') # 最大值高亮
 .highlight_min() # 最小值
)

style-highlight_max_min

以上在在一列中的最大和最小，也可以指定在行上的最大和最小：

# 指定行级
(df.head()
 .style.highlight_max(color='lime', axis=1) # 最大值高亮, 绿色
 .highlight_min(axis=1) # 最小值，黄色
)

也可以作用于指定行：

# 只对 Q1 起作用
df.style.highlight_min(subset=['Q1'])
df.style.highlight_min(subset=['Q1', 'Q2']) # 两列
# 使用 pd.IndexSlice 索引器（和 loc[] 类似）
# 注意，数据是所有数据，算最小值的范围不是全部
df.style.highlight_min(subset=pd.IndexSlice[:10, ['Q1', 'Q3']])
# 按行，只在这两列进行
df.style.highlight_min(axis=1, subset=['Q1','Q2'])

也可以指定 CSS 属性样式，不过此时，color 就不能同时定义，会不起作用（1.3.0 版本+）：

df.style.highlight_max(props=['background-color: yellow; font-size: 1.5em;'])
df.style.highlight_min(props='font-size: 1.5em;')

区间高亮 highlight_between

对指定区间的值进行高亮标注显示，可以是数字，也可以是时间（1.3.0 版本+）：

# Q4 列的 60 到 100 高亮
df.style.highlight_between(left=60, right=100, subset=['Q4'])
# axis=None 并将 left 参数作为与输入数据帧匹配的数组提供，常量 right
df.style.highlight_between(left=[[2,2,3],[2,2,3],[3,3,3]], right=3.5,
    axis=None, color="#fffd75")
# 指定 css 样式
df.style.highlight_between(left=1.5, right=3.5,
    props='font-weight:bold;color:#e83e8c')

如果 left 为None，则仅应用右边界。如果 right 为 None，则仅应用左边界。如果两者均为 None，则所有值均高亮显示。

仅当左或右作为序列或类似阵列的对象提供用于对齐形状时，才需要轴。如果左和右都是标量，则所有轴输入将给出相同的结果。

此函数仅适用于兼容的数据类型。例如，类似 datetime 的区域只能使用等效的类似datetime 的左参数和右参数。使用子集控制具有多个数据类型的区域。

分位数高亮 highlight_quantile

使用样式高亮显示分位数定义的值（1.3.0 版本+），就是说把指定分位区间的数据高亮。使用 axis=None 对所有集合数据应用分位数。

df = pd.DataFrame(np.arange(10).reshape(2,5) + 1)
# 将后四分位的数据高亮，即后 3/4 的数据
df.style.highlight_quantile(axis=None, q_left=0.25, color="#fffd75")
# 按行或按列高亮显示分位数，在本例中按行高亮显示
df.style.highlight_quantile(axis=1, q_left=0.8, color="#fffd75")
# 使用 props 而不是默认的背景颜色
df.style.highlight_quantile(axis=None, q_left=0.2, q_right=0.8,
    props='font-weight:bold;color:#e83e8c')

文本颜色渐变 text_gradient

以渐变样式为文本着色。文本颜色根据每列、每行或每帧中的数据或给定的渐变图谱确定。依赖 matplotlib。

语法是：

Styler.text_gradient(cmap='PuBu', low=0, high=0,
                     axis=0, subset=None,
                     vmin=None, vmax=None,
                     gmap=None)

示例如下：

# 数据集
df = pd.DataFrame(columns=["City", "Temp (c)", "Rain (mm)", "Wind (m/s)"],
                  data=[["Stockholm", 21.6, 5.0, 3.2],
                        ["Oslo", 22.4, 13.3, 3.1],
                        ["Copenhagen", 24.5, 0.0, 6.7]])
# 按列着色显示值，axis=0，预选数值列
df.style.text_gradient(axis=0)
# 使用 axis=None 对所有值进行整体着色
df.style.text_gradient(axis=None)
# 从低值和高值颜色着色
df.style.text_gradient(axis=None, low=0.75, high=1.0)
# 手动设置vmin和vmax梯度阈值
df.style.text_gradient(axis=None, vmin=6.7, vmax=21.6)
# 设置 gmap 并使用另一个 cmap 应用于所有列
df.style.text_gradient(axis=0, gmap=df['Temp (c)'], cmap='YlOrRd')
# 设置数据帧的渐变贴图（即axis=None），我们需要
# 显式地声明子集以匹配 gmap 形状
gmap = np.array([[1,2,3], [2,3,4], [3,4,5]])
df.style.text_gradient(axis=None, gmap=gmap,
    cmap='YlOrRd', subset=['Temp (c)', 'Rain (mm)', 'Wind (m/s)']
)

背景渐变 background_gradient

根据数值的大小背景颜色呈现梯度渐变，越深表示越大，越浅表示越小，类似于 Excel 的中的色阶样式。颜色指定为 Matplotlib 库的色系表（Matplotlib colormap）中的色系名, 点击查看所有色表。

# 数字类型按列背景渐变
df.style.background_gradient()
# 指定列，指定颜色系列
df.style.background_gradient(subset=['Q1'], cmap='BuGn')
# 低百分比和高百分比范围, 更换颜色时避免使用所有色域
df.style.background_gradient(low=0.6, high=0)
# 内容的颜色，取 0-1（深色到浅色），方便突显出文本
df.style.background_gradient(text_color_threshold=0.5)
# 颜色应用的取值范围，不在这个范围的不应用
df.style.background_gradient(vmin=60, vmax=100)

以下是一个综合使用示例：

# 链式方法使用样式
(df.head(15)
 .style
 .background_gradient(subset=['Q1'], cmap='spring') # 指定色系
 .background_gradient(subset=['Q2'], vmin=60, vmax=100) # 指定应用值区间
 .background_gradient(subset=['Q3'], low=0.6, high=0) # 高低百分比范围
 .background_gradient(subset=['Q4'], text_color_threshold=0.9) # 文本色深
)

background_gradient

条形图 bar

条形图在表格里一般以横向柱状图的形式代表这个值的大小。

# 基本使用，默认将数字应用
df.style.bar()
# 指定应用范围
df.style.bar(subset=['Q1'])
# 定义颜色
df.style.bar(color='green')
df.style.bar(color='#ff11bb')
# 以向进行计算展示
df.style.bar(axis=1)
# 样式在格中的占位百分比，0-100, 100占满
df.style.bar(width=80)
# 对齐方式：
# ‘left’ 最小值开始,
# ‘zero’ 0值在中间,
# ’mid’  (max-min)/2 值在中间，负（正）值0在右（左）
df.style.bar(align='mid')
# 大小基准值
df.style.bar(vmin=60, vmax=100)

以下是一个综合示例：

(df.head(10)
 .assign(avg=df.mean(axis=1, numeric_only=True)) # 增加平均值
 .assign(diff=lambda x: x.avg.diff()) # 和前位同学差值
 .style
 .bar(color='yellow', subset=['Q1'])
 .bar(subset=['avg'],
      width=90,
      align='mid',
      vmin=60, vmax=100,
      color='#5CADAD')
 .bar(subset=['diff'],
      color=['#ffe4e4','#bbf9ce'], # 上涨下降的颜色
      vmin=0, vmax=30, # 范围定以0为基准的上下30
      align='zero') # 0 值居中
)

bar