表格視覺樣式：Dataframe.style (轉)

 

1.表格樣式創建

表格視覺樣式：Dataframe.style → 返回pandas.Styler對象的屬性，具有格式化和顯示Dataframe的有用方法

樣式創建：
① Styler.applymap：elementwise → 按元素方式處理Dataframe
② Styler.apply：column- / row- / table-wise → 按行/列處理Dataframe

 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
% matplotlib inline

#樣式
df = pd.DataFrame(np.random.randn(10, 4), columns=['a','b','c','d'])
sty = df.style
print(sty, type(sty)) # 查看樣式類型

sty  # 顯示樣式

---->

<pandas.formats.style.Styler object at 0x00000000097731D0> <class 'pandas.formats.style.Styler'>

回到頂部

按元素處理樣式 df.style.applymap( 函數 )

# 按元素處理樣式：style.applymap()
def color_neg_red(val):
    if val < 0:
        color = 'red'
    else:
        color = 'black'
    return ('color:%s'% color)
df.style.applymap(color_neg_red)
# 創建樣式方法，使得小於0的數變成紅色
# style.applymap() → 自動調用其中的函數 

回到頂部

按行/列處理樣式 df.style.apply( 函數, axis=0按列, subset=['b','c']處理b、c列 )

# 按行/列處理樣式：style.apply()
def highlight_max(s):
    is_max = s == s.max()
    print(is_max)
    lst = []
    for v in is_max:
        if v:
            lst.append(' padding: 0px; color: rgb(128, 0, 0); line-height: 1.5 !important;">')
        else:
            lst.append('')
    return (lst)
df.style.apply(highlight_max, axis=0, subset=['b', 'c']) # axis：0為列，1為行，默認為0；  # subset：索引
# 創建樣式方法，每列最大值填充黃色

0    False
1    False
2     True
3    False
4    False
5    False
6    False
7    False
8    False
9    False
Name: b, dtype: bool
0    False
1    False
2     True
3    False
4    False
5    False
6    False
7    False
8    False
9    False
Name: b, dtype: bool
0    False
1    False
2    False
3     True
4    False
5    False
6    False
7    False
8    False
9    False
Name: c, dtype: bool

回到頂部

樣式索引、切片 

df.style.apply(highlight_max, axis = 1, 
               subset = pd.IndexSlice[2:5,['b', 'd']]) 按照index索引，再切片b、d列所對應的值

# 樣式索引、切片

df.style.apply(highlight_max, axis = 1, 
               subset = pd.IndexSlice[2:5,['b', 'd']])  # 通過pd.IndexSlice[]調用切片

# 也可：df[2:5].style.apply(highlight_max, subset = ['b', 'd']) → 先索引行再做樣式

b     True
d    False
Name: 2, dtype: bool
b     True
d    False
Name: 2, dtype: bool
b    False
d     True
Name: 3, dtype: bool
b     True
d    False
Name: 4, dtype: bool
b    False
d     True
Name: 5, dtype: bool

回到頂部

2.表格顯示控制

df.head().style.format("{:.2%}")

# 按照百分數顯示

df = pd.DataFrame(np.random.randn(10,4),columns=['a','b','c','d'])
print(df.head())
df.head().style.format("{:.2%}")

          a         b         c         d
0  1.239244  0.018364  0.570776  0.087462
1 -0.340928 -0.217569 -0.532815 -1.535981
2 -0.647936 -1.520526 -1.937499 -0.257186
3 -0.887309  1.037361  0.084524  0.187425
4  1.821439 -0.728899  0.191298  0.016149

df.head().style.format("{:.4f}")

# 顯示小數點數

df.head().style.format("{:.4f}")

df.head().style.format("{:+.2f}")

# 顯示正負數

df.head().style.format("{:+.2f}")

 

df.head().style.format({'b':"{:.2%}", 'c':"{:+.3f}", 'd':"{:.3f}"})

# 分列顯示

df.head().style.format({'b':"{:.2%}", 'c':"{:+.3f}", 'd':"{:.3f}"})

回到頂部

3.表格樣式調用

Styler內置樣式調用

df.style.highlight_null(null_color='red') #定位空值 

# 定位空值
df = pd.DataFrame(np.random.rand(5, 4), columns=list('ABCD'))
df['A'][2] = np.nan
df.style.highlight_null(null_color='red')

df.style.background_gradient(cmap='Greens',axis =1,low=0,high=1) 色彩映射

# 色彩映射

df = pd.DataFrame(np.random.rand(10,4),columns = list('ABCD'))
df.style.background_gradient(cmap='Greens',axis =1,low=0,high=1) # cmap：顏色; # axis：映射參考，0為行，1以列

df.style.bar(subset=['A', 'B'], color='#d65f5f', width=100) 

# 條形圖

df = pd.DataFrame(np.random.rand(10,4),columns = list('ABCD'))
df.style.bar(subset=['A', 'B'], color='#d65f5f', width=100) # width：最長長度在格子的占比

# 分段式構建樣式
df = pd.DataFrame(np.random.rand(10,4),columns = list('ABCD'))
df['A'][[3,2]] = np.nan
df.style.\
    bar(subset=['A', 'B'], color='#d65f5f', width=100).\
    highlight_null(null_color='yellow')
    

 原文地址：

https://www.cnblogs.com/shengyang17/p/9544742.html