Pandas也能修改样式？快速给你的数据换个Style！
前言
在之前的很多文章中我们都说过，
Pandas
与
openpyxl
有一个很大的区别就是
openpyxl
可以进行丰富的样式调整，但其实在Pandas中每一个DataFrame都有一个
Style
属性，我们可以通过修改该属性来给数据添加
一些
基本的样式。
使用说明
我们可以编写样式函数，并使用CSS来控制不同的样式效果，通过修改
Styler
对象的属性 ，
将样式传递给DataFrame，主要有两种传递方式
-
Styler.applymap
：逐元素 -
Styler.apply
：列/行/表方式
Styler.applymap
通过DataFrame逐个元素地工作。
Styler.apply
根据axis参数，按列使用axis=0，按行使用axis=1，以及axis=None 作用于整个表
。所以若使用
Styler.applymap
，我们的函数应返回带有CSS属性-值对的单个字符串。若使用
Styler.apply
，我们的函数应返回具有相同形状的Series或DataFrame，其中每个值都是具有CSS属性值对的字符串。
不会CSS？没关系，作为 调包侠
的我们大多是改改HTML颜色代码即可完成样式修改，下面看一些示例。
一些例子
基本样式
首先我们创建一组没有任何样式的数据
我们之前说过，DataFrame
是有style属
性的，所以在没有做任何修改的情况下，使用df.style应该和上图一样
现在让我们编写一个简单的样式函数，该函数可以将负数变为红色，使正数保持黑色。
def color_negative_red(val):
color = 'red' if val < 0 else 'black'
return 'color: %s' % color现在来应用这段函数(思考Excel如何实现)
现在如果我们想突出显示每列中的最大值，
需要重新定义一个函数
def highlight_max(s):
is_max = s == s.max()
return ['background-color: yellow' if v else '' for v in is_max] 因为之前我们是以元素为单位判断，所以使用的是
.applymap
，
所以现在我们应对列进行
.apply
操作
现在可以使用
df.style.applymap(color_negative_red).apply(highlight_max) 来混合修改样式
或使用
.\
实现
当然我们也可以通过修改样式函数并使用 .apply
来高亮整个DataFrame的最大值，
切片
当然我们也可以使用 subset
通过切片来完成对指定列进行样式修改，比如高亮部分列的最大值
df.style.apply(highlight_max, subset=['B', 'C', 'D'])
对于行和列切片，可以使用我们熟悉的
.loc
，不过目前仅支持基于标签的切片，不支持位置切片。
格式化输出
我们也可以使用 Styler.format
来快速格式化输出，比如将小数格式化为百分数
也支持使用字典或lambda表达式来更灵活的使用
当然是支持和之前的样式结合使用
内置样式
开发者们为了尽可能的让作为调包侠的我们使用起来更方便，已经内置了很多写好的样式，拿走就用，比如将空值设置为红色
或是结合seaborn使用热力图
现在我们就可以通过修改 Styler.background_gradient
来轻松的修改颜色等样式
最后我们可以将数据修改为 条形图
的样式，这也是我最喜欢的一个功能，能够快速的看出数据的变化！
在最新的版本中
可以进一步自定义条形图：我们现在可以将
df.style.bar
以零或中点值为中心来快速观察数据变化
，并可以传递颜色
[color_negative, color_positive]
，比如使用
align='mid'
：
以上就是对Pandas中如何修改样式的一个简单介绍，更多的操作可以在官方文档
https://pandas.pydata.org/pandas-docs/stable/user_guide/style.html
中找到与学习。
往期文章
About The Author
