pandas之表格样式

 

在juoyter notebook中直接通过df输出DataFrame时，显示的样式为表格样式，通过sytle可对表格的样式做一些定制，类似excel的条件格式。

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
s = df.style
print(s,type(s))
#<pandas.io.formats.style.Styler object at 0x000001CD7B409710> <class 'pandas.io.formats.style.Styler'>

 

对表格创建样式有两种方式，都需要额外定义一个处理样式的函数

①df.style.applymap(func,*args,**kwargs)：对DataFrame中的每一个元素都按照func的逻辑处理

# 将小于0.2的值字体设置为红色，否则设置为黑色
df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
def lt_red(val):
    if val<0.2:
        color = 'red'
    else:
        color = 'black'
#     print(color)
    return ('color:%s'%color)
df.style.applymap(lt_red)

②df.style.apply(func,axis=0,subset=**,*args,**kwargs)：对DataFrame的行或列按照func的逻辑处理，axis默认为0按照列处理，1按照行处理。

# 将A、C、D列中的每一列最大值背景颜色填充为黄色
def highlight_max(s):
    is_max = s == s.max()
    l = []
    for v in is_max:
        if v:
            l.append(' padding: 0px; line-height: 1.8; color: rgb(128, 0, 0);">')
        else:
            l.append('')
#     print(l)
    return l
df.style.apply(highlight_max,axis = 1,subset = ['A','C','D'])

       

 

如果在style中需要同时进行行和列的切片，需要用到pandas的IndexSlice

# 对索引为2-5行，列为A、C、D中的每一列最大值背景颜色填充为黄色
df.style.apply(highlight_max,axis=1,subset = pd.IndexSlice[2:5,['A','B','C']])
## df.loc[2:5,['A','C']].style.apply(highlight_max,axis=1)也可以实现
## 上一种方法会显示所有的DataFrame内容，然后对满足条件的行和列做格式处理；而后一种方法是只显示满足条件的行和列，再做格式处理

    

 

 格式化DataFrame中的数值

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
# df.style.format('{:.2%}',subset=['B','C'])  #对所有符合条件的采用一种格式format，整个格式用''括起来
df.style.format({'A':'{:.2f}','B':'{:%}','C':'{:+}','D':'{:.2%}'}) #对不同的列采用不同的format，参数为一个字典，key为列名，value为格式
# A、B、C、D列的格式分别为2位小数、百分数、前面加+号，2位小数的百分数

 

定位空值df.style.highlight_null(null_color='red')，对空值设置背景颜色

对应还有highlight_max()和highlight_min()，参数(subset=None, color='yellow', axis=0)

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
df['B'][2] = np.nan
df.style.highlight_null(null_color='red')

 

色彩映射

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
df.style.background_gradient(cmap='Reds',axis = 1,low = 0,high = 1,subset = ['A','C','D'])
# 按行处理，最小值对应颜色表中的最浅色，最大值对应颜色表中的最深色，1表示按行处理

 

 条形图

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
df.style.bar(width=100,subset=['A','C','D'],color='lightpink')

 

分段式构建样式

df.style.\
    bar(width=100,subset=['A'],color='lightpink').\
    highlight_max(axis = 1,color='red').\
    highlight_min(axis = 1,color='green')
#除最后一行，每一行都以.\结尾

 (转)

https://www.cnblogs.com/Forever77/p/11336981.html

# 设置宽度
pd.set_option('display.width',100)
# 设置精确度
pd.set_option('precision',4)
# 设置显示所有列
pd.set_option('display.max_columns',None)
# 设置显示所有行
pd.set_option('display.max_rows',None)
参考：https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.set_option.html