pandas 样式应用函数
pandas 教程

pandas 样式应用函数

更新时间：2023-07-04 07:34:42 标签：pandas 样式 函数

看过来

《pandas 教程》 持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。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。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

《Python之光》书籍封面 本教程作者所著新书《Python之光：Python编程入门与实战》（ISBN：9787111729891）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。
《深入浅出Pandas》书籍封面 本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

像 Series 或者 DataFrame 的 apply() 和 applymap() 一样，Styler 也可以使用它们进行样式的复杂定义。

弃用预告

从 pandas 2.1 开始，使用 Styler.applymap 时会抛出弃用警告。意味着 applymap 在不久的将来将会不再支持，而会被 Styler.map 替代。

应用函数

样式调用函数的方法有：

这两个方法都接受一个函数（以及一些其他关键字参数）并以某种方式将函数应用于数据帧。applymap 在 DataFrame 所有元素中有效。apply 根据 axis 关键字参数，一次将每个列或行传递到数据框中，或一次传递到整个表中。行使用 axis=0 （默认），列使用 axis=1，对于整个表，使用 axis=None。

应用方法

最大值字体置为红色：

# 最大值显示红色
def highlight_max(x):
    return ['color: red' if v == x.max() else '' for v in x]

# 应用函数
df.style.apply(highlight_max)
# 按行应用
df.loc[:,'Q1':'Q4'].style.apply(highlight_max, axis=1)

以下所有大于90分的格子背景为黄色：

yellow_css = 'background-color: yellow'
sfun = lambda x: yellow_css if type(x) == int and x > 90 else ''
(df.style
 .applymap(sfun)
)

subset 参数可以指定部分内容应用样式规则：

(df.style
 .applymap(sfun, subset=['Q1', 'Q2'])
)

subset 可传入索引器 pd.IndexSlice实现复杂逻辑下的部分区域应用：

# 筛选条件1：满足指定条件并且应用在某个列上
sst1 = pd.IndexSlice[df.loc[(df.c=='good') & (df.f>60)].index, 'f']
# 样式方法
sfun1 = lambda x: 'background-color: yellow' if x > 500 else ''

(
    df.style
    .applymap(sfun1, subset=sst1)
#     .to_excel('gairuo.xlsx', engine='openpyxl')
)

对满足条件的行整行加背景样式：

yellow_css = 'background-color: yellow'
sfun = lambda x: [yellow_css]*len(x) if x.math > 80 else ['']*len(x)
(df.style
 .apply(sfun, axis=1)
)

# 使用函数，字体颜色整行为红
def row_color(s):
    if s.J > 80:
        return ['color: red']*len(s)
    else:
        return ['']*len(s)

# 调用
df.style.apply(row_color, axis=1)

另外，style.where 可以简化 applymap 的应用，如：

df.style.where(lambda x: x > 60,
               'background-color: yellow',
               other='font-size: 15px',
               subset=['Q1']
              )

其实 style.where 是执行了以下操作：

df.style.applymap(
lambda val: value if cond(val) else other, subset=subset, **kwargs
)

管道方法 Styler.pipe

# 定义样式函数
def format_conversion(styler):
    return (styler.set_properties(**{'text-align': 'right'})
                  .format({'conversion': '{:.1%}'}))

df = pd.DataFrame({'trial': list(range(5)),
                   'conversion': [0.75, 0.85, np.nan, 0.7, 0.72]})

# 使用管道方法调用
(df.style
   .highlight_min(subset=['conversion'], color='yellow')
   .pipe(format_conversion)
   .set_caption("Results with minimum conversion highlighted.")
)

样式复用

可以将其他的样式利用到新的表格中：

# 将 df 的样式赋值给变量
style1 = df.style.applymap(color_negative_red)
# df2 的样式为 style2
style2 = df2.style
# style2 使用 style1的样式
style2.use(style1.export())

样式清除

df.style.clear() 会返回 None，清除所有样式。

# 定义为一个变量
dfs = df.loc[:,'Q1':'Q4'].style.apply(highlight_max)
dfs.clear() # 清除
dfs # 此时 dfs 不带任何样式，但还是 Styler 对象

样式操作原理

当用户应用样式时（通过.apply，.applymap或其中一个内置函数），我们实际上不计算任何内容。相反，我们将函数和参数附加到列表self._todo。当询问（通常在.render中），我们将遍历列表并执行每个函数（这在self._compute()中。这些函数更新内部defaultdict（list），self.ctx，它将DataFrame行/列位置映射到CSS属性值对。

我们通过self._todo采取额外的步骤，以便我们可以导出样式并将其设置在其他Styler上。

呈现使用Jinja模板。.translate方法采用self.ctx并构建另一个字典，准备传递到Styler.template.render，Jinja 模板。

Styler._todo

Styler._todo 中保存了要执行的函数，如：

df = pd.read_csv('https://www.gairuo.com/team').head()
df_style = df.style.highlight_max() # 最大值高亮
# 一个列表，所有要执行的样式函数
df_style._todo
'''
[
(<function Styler.apply.<locals>.<lambda> at 0x7f86322939d0>,
(<function Styler._highlight_extrema at 0x7f8632293670>,
 0,
 (slice(None, None, None), Index(['Q1', 'Q2', 'Q3', 'Q4'], dtype='object'))),
{'color': 'yellow', 'max_': True}
)
]
'''

我们看到，todo 中以列表形式存储了要执行的样式函数。

Styler._compute()

Styler._compute() 会执行Styler._todo中的函数方法：

# 执行 self._todo 中的样式函数
df_style._compute()
# 输出样式效果

样式的上下文 Styler.ctx

Styler.ctx 中保存了样式的原子信息，它是一个 defaultdict 字典格式数据。我们可以通过它来查询、分析、重新拼装这些信息：

# 注：需要执行计算才能更新进行 ctx，多次执行会增加到 ctx
df_style._compute()
# 查看
'''
df_style.ctx
'''
defaultdict(list,
            {(3, 2): ['background-color: yellow''...],
             (3, 3): ['background-color: yellow''...],
             (3, 4): ['background-color: yellow''...],
             (4, 5): ['background-color: yellow''...],
             (0, 0): [],
             (0, 1): [],
             ... ...
'''

其中的 (3, 2)、(4, 5) 等是样式所在的行列索引位，没有应用到样式的单元格为空。Styler.ctx 同时还有以下些有用的属性：

# ctx.items() 可以迭代以述 defaultdict 数据
for i, s in df_style.ctx.items():
    print(i, s)
'''
(3, 2) ['background-color: yellow', ...]
(3, 3) ['background-color: yellow', ...]
(3, 4) ['background-color: yellow', ...]
(4, 5) ['background-color: yellow', ...]
(0, 0) []
(0, 1) []
... ...
'''

# 查询指定样式的数据
for cell, color in df_style.ctx.items():
    if 'background-color: yellow' in color:
        print(cell, color, df.iloc[cell])
'''
(3, 2) ['background-color: yellow'...] 93
(3, 3) ['background-color: yellow'...] 96
(3, 4) ['background-color: yellow''...] 71
(4, 5) ['background-color: yellow''...] 86
'''

# 所有的样式值
df_style.ctx.values()
# dict_values([['background-color: yellow',...], [], [], ...])

相关内容

<< 样式配置操作 pandas 教程 带样式文件的导出 >>

无「盖若」授权，请勿以任何形式转载，公众号：gairuo
Copyright © 2019 - 2023
Gairuo.com All Rights Reserved v7.6.1.0919

备案 京公网安备11010502033395号 京ICP备15019454号-4