【学习笔记】《深入浅出Pandas》第15章：Pandas样式

15.1 内置样式

15.1.1 样式功能

Pandas提供的样式功能可实现：

• 数值格式化，如千分号、小数位数、货币符号、日期格式、百分比等；
• 凸显某些数据，对行、列或特定的值使用样式，如字体大小、黄色、背景；
• 显示数据关系，如用颜色深浅代表数据大小；
• 迷你条形图，如在一个百分比格子里，用颜色比例表示占比；
• 表达趋势，类似Excel中每行代表趋势变化的迷你走势图。

样式和可视化图形的区别： 数据图形化不关注具体数据内容，而样式则在保留具体内容的基础上进行修饰，让可读性更强。

15.1.2 Styler对象

DataFrame有一个Styler对象，用来生成数据样式，样式用CSS完成。

（1）df.style可以在Jupyter Notebook未给样式的情况下显示所有数据。

# 读取数据
df = pd.read_excel('https://www.gairuo.com/file/data/dataset/team.xlsx')
# 样式对象
df.style
1
2
3
4

所有的样式功能都在df.style里。
注意： 输出的是一个Styler对象，不是DataFrame，原始DataFrame内容并没有改变。
（2）查看类型：

type(df.style)
# pandas.io.formats.style.Styler
1
2

15.1.3 空值高亮

（1）style.highlight_null() 对为空的值高亮标示，增加背景颜色：

# 将一个值修改为空
df.iloc[1, 1] = np.NaN
# 将空值高亮，默认为红色背景
df.head().style.highlight_null()
1
2
3
4

（2）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')
1
2
3
4

15.1.4 极值高亮

（1）在列级上操作：
①最大值高亮：

df.head().style.highlight_max()
1

②最小值高亮：

df.head().style.highlight_min()
1

③二者同时高亮并指定颜色：

(df.head()
 .style.highlight_max(color='lime')
 .highlight_min() # 将最小值高亮
)
1
2
3
4

（2）在行级操作（axis=1）：

# 指定行级
(
    df.head()
    .style.highlight_max(color='lime', axis=1) # 最大值高亮，绿色
    .highlight_min(axis=1)
)
1
2
3
4
5
6

（3）用于指定行：

# 只对Q1起作用
df.style.highlight_min(subset=['Q1'])

# 使用pd.IndexSlice索引器（和loc[]类似）
# 注意，数据是所有数据，算最小值的范围而不是全部
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'])
1
2
3
4
5
6
7
8
9

15.1.5 背景渐变

根据数值大小，背景颜色呈现梯度渐变，越深表示越大。颜色指定为Matplotlib库的色系表的色系名。

（1）**background_gradient()**会对数字按大小用背景色深浅表示：

df.head().style.background_gradient()
1

（2）常用的参数如下：

# 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)
# 内容颜色，取0~1（深色到浅色），突显文本
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)
1
2
3
4
5
6
7
8

15.1.6 条形图

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。

（1）示例：

# 显示Q4列的条形图
df.head().style.bar(subset=['Q4'], vmin=50, vmax=100)
1
2

（2）常用参数：

# 基本用法，默认对数字应用
df.style.bar()
# 指定应用范围
df.style.bar(subset=['Q1'])
# 指定颜色
df.style.bar(color='green')
df.style.bar(color='#ff11bb')
# 以行方向进行计算和展示
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，负值0在右
df.style.bar(align='mid')
# 大小基准值
df.style.bar(vmin=60, vmax=100)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

（3）综合示例：

(df.head(5)
 .assign(avg=df.mean(axis=1, numeric_only=True)) # 增加平均值
 .assign(diff=lambda x: x.avg.diff()) # 和前一位同学的差值
 .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'], # 上涨和下降的颜色
      vmin=0, vmax=30, # 范围定位以0为基准的上下30
      align='zero') # 0 值居中
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

15.2 显示格式

最终输出数据进行查看的时候，需要对数据进行相应的格式化，比如加货币符号、加百分号、增加千分位，目的是让计数更加场景化，明确一定业务意义。
Styler.format专门用来处理格式化。

15.2.1 语法结构

Styler.format(self, formatter,
              subset=None,
              na_rep: Union[str, NoneType]=None)
1
2
3

formatter 可以是（str, callable, dict, None）中的任意一个，一般是一个字典（由列名和格式组成），也可以是一个函数。

15.2.2 常用方法

# 百分号
df.style.format("{:.2%}") # 只对数字列成立

# 指定列变大写
df.style.format({'name': str.upper})

# B,保留四位；D，两位小数并显示正负号
df.style.format({'B': "{:0<4.0f}", 'D': '{:+.2f}'})
1
2
3
4
5
6
7
8

# 常用格式
{'a': '¥{0:, .0f}', # 人民币
 'b': '{:%Y-%m}', # 年月
 'c': '{:.2%}', # 百分号
 'd': {':,f'}, # 千分位
 'e': str.upper} # 大写
1
2
3
4
5
6

15.2.3 综合运用

显示格式可以多次设定，也可以与颜色相关样式一起使用。

# 链式方法使用格式
(df.head(15)
 .head(10)
 .assign(avg=df.mean(axis=1, numeric_only=True)/100) # 增加平均值百分比
 .assign(diff=lambda x: x.avg.diff()) # 与前一位同学的差值
 .style
 .format({'name': str.upper})
 .format({'avg': "{:.2%}"})
 .format({'diff': "¥{:.2f}"})
)
1
2
3
4
5
6
7
8
9
10

15.3 样式高级操作

Pandas可以对样式进行一些整体性配置，同时，还提供了一些操作方法，使样式内容的输出更为丰富。

15.3.1 样式配置操作

（1）.set_caption(‘xxx’) 给显示的表格数据增加标题：

df.head().style.set_caption('学生成绩表')
1

（2）.set_precision() 设置全局的数据精度，保留小数位数：

# 保留两位小数
df.style.set_precision(2) 
# 等同于
df.round(2).style
1
2
3
4

（3）.set_na_rep() 设置缺失值的统一显示：

# 缺失值的显示
na = np.nan
(
    df.head()
    .style.set_na_rep("暂无")
)
1
2
3
4
5
6

（4）隐藏索引和列：

# 不输出索引
df.style.hide_index()
# 不输出指定列
df.style.hide_columns(['Q3', 'Q4'])
1
2
3
4

15.3.2 表格CSS样式

（1）.set_properties() 给单元格配置CSS样式：

# 将Q1列文字设为红色
df.head().style.set_properties(subset=['Q1'], **{'color': 'red'})
1
2

其他示例：

df.head().style.set_properties(color='white', align="right")
df.head().style.set_properties(**{'background-color': 'yellow'})
df.head().style.set_properties(**{'width': '100px', 'font-size': '18px'})
df.head().style.set_properties(**{'background-color': 'black',
                                  'color': 'lawngreen',
                                  'border-color': 'white'})
1
2
3
4
5
6

（2）.set_table_attributes() 用于给< table >标签增加属性，可以随意给定属性名和属性值：

df.head().style.set_table_attributes('class="pure-table"')
# ...<table class="pure-table"> ...
df.head().style.set_table_attributes('id="gairuo-table"')
# ...<table id="gairuo-table"> ...
1
2
3
4

（3）.set_table_styles() 用于设置表格样式属性。
可以带有选择器和props键的字典。
选择器selector的值是样式将应用此CSS样式的内容，props是由CSS样式属性和值组成的元组列表。

# 给所有的行（tr标签）的hover方法设置黄色背景
# 效果是当鼠标移动上去时整行背景变黄
df.style.set_table_styles(
    [{'selector': 'tr:hover',
      'props': [('background-color', 'yellow')]}]
)
1
2
3
4
5
6

（4）单元格符缀.set_uuid() 为每个单元格的td标签id属性值中增加一个符缀，这个符缀可用作JavaScript做数据处理时的区分。

# 为每个表格增加一个相同的符缀
df.style.set_uuid(9999)
# ...<td id="T_9999row0_col2"> ...
1
2
3

15.3.3 应用函数

Styler可以使用apply和applymap定义复杂样式。

（1）用apply函数实现将最大值显示为红色：

# 将最大值显示红色
def highlight_max(x):
    return ['color: red' if v == x.max() else '' for v in x]
# 按行应用   
df.loc[:, 'Q1':'Q4'].style.apply(highlight_max, axis=1)
1
2
3
4
5

（2）applymap() 对全表起作用。
将所有值大于90分的格子背景设为黄色：

# 定义函数，只对数字起作用
bg = lambda x: 'background-color: yellow' if type(x)== int and x >90 else ''

# 应用函数
df.style.applymap(bg)
1
2
3
4
5

（3）subset可以限制应用的范围：

# 指定列表（值>0）加背景色
df.style.applymap(lambda x: 'background-color: grey' if x>0 else '',
                  subset=pd.IndexSlice[:, ['Q1', 'Q2']])
1
2
3

（4）样式支持pipe管道方法，下例实现了将字体放大和将name列全大写的方法：

# 定义样式函数
def my_style(styler):
    return (styler.set_properties(**{'font-size': '200%'})
            .format({'name': str.upper}))

# 应用管道方法`在这里插入代码片`
df.style.pipe(my_style)
1
2
3
4
5
6
7

15.3.4 样式复用

可以将数据和样式应用到新表格。

# 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.style2
# style2使用style1的样式
style2.use(style1.export())
1
2
3
4
5
6

15.3.5 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
# 此时dfs不带任何样式，但还是Styler对象
1
2
3
4

15.3.6 导出Excel

可以将样式生成HTML和导出Excel。
生成HTML可以用来发邮件，做网页界面；生成Excel可以做二次处理或者传播。

样式导出Excel后会保留原来定义的大多数样式。

# 导出Excel
df.style.to_excel('gairuo.xlsx')
# 使用指定引擎
df.style.to_excel('gairuo.xlsx', engine='openpyxl')
# 指定标签页名称 sheet name
dfs.to_excel('gairuo.xlsx', sheet_name="Sheet1")
# 指定缺失值的处理方式
dfs.to_excel('gairuo.xlsx', na_rep='-')
# 浮点数字格式，下例将0.1234转为0.12
dfs.to_excel('gairuo.xlsx', float_format="%.2f")
# 只要这两列
dfs.to_excel('gairuo.xlsx', columns=['Q1', 'Q2'])
# 不带表头
dfs.to_excel('gairuo.xlsx', header=False)
# 不带索引
dfs.to_excel('gairuo.xlsx', index=False)
# 指定索引，多个值代表多层索引
dfs.to_excel('gairuo.xlsx', index_label=['team', 'name'])
# 从哪行取，从哪列取
dfs.to_excel('gairuo.xlsx', startrow=10, startcol=3)
# 不合并单元格
dfs.to_excel('gairuo.xlsx', merge_cells=False)
# 指定编码方式
dfs.to_excel('gairuo.xlsx', encoding='utf-8')
# 无穷大表示法（Excel中没有无穷大的本机表示法）
dfs.to_excel('gairuo.xlsx', inf_rep='inf')
# 在错误日志中显示更多信息
dfs.to_excel('gairuo.xlsx', verbose=True)
# 指定要冻结的最底行和最右列
dfs.to_excel('gairuo.xlsx', freeze_panes=(0, 2))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30

15.3.7 生成HTML

（1）Styler.render() 可以输出样式的HTML代码，它可以传入以下参数：

• head
• cellstyle
• body
• uuid
• precision
• table_styles
• caption
• table_attributes

（2）生成的HTML代码可以用于网页显示、邮件正文内容等场景：

# 生成HTML
df.style.render()
# 过滤换行符，读取部分数据，增加可读性
df.style.highlight_null().render().split('\n')[:10]
1
2
3
4

（3）在Jupyter Notebook中，为了得到更好的浏览体验，可以用IPython来展示生成的HTML效果：

from IPython.display import HTML
HTML(df.style.render())
1
2