大家好，本文中主要介绍的是：如何来美化Pandas的DataFrame的数据。主要是通过Pandas中的两个方法来实现：
-
Styler.applymap：逐个元素，返回带有CSS属性-值对的单个字符串
-
Styler.apply：列、表、行的方式，返回具有相同形状的Series或者DataFrame，其中每个值都是带有CSS属性值对的字符串。该方法在作用的时候，通过参数axis来传递，axis=0表示按列作用，axis=1表示按行作用。
官网学习地址：
-
https://pandas.pydata.org/pandas-docs/version/1.1.5/user_guide/style.html#Export-to-Excel
-
https://pandas.pydata.org/pandas-docs/stable/user_guide/style.html
文章目录
技术提升
本文由技术群粉丝分享，项目源码、数据、技术交流提升，均可加交流群获取，群友已超过2000人，添加时最好的备注方式为：来源+兴趣方向，方便找到志同道合的朋友
方式①、添加微信号：dkl88191，备注：来自CSDN
方式②、微信搜索公众号：Python学习与数据挖掘，后台回复：加群
模拟数据
import pandas as pd
import numpy as np
# 设置随机种子，保证每次运行结果相同
np.random.seed(20)
# 模拟数据
df = pd.DataFrame({
'A': np.linspace(1, 10, 10)})
# 将两个DataFrame进行合并
df1 = pd.concat([df, pd.DataFrame(np.random.randn(10,4), columns=list("BCDE"))],axis=1)
df1
numpy中的linspace(start,stop,setp)：表示按照步长取数，包含头尾的数据：
为了查看空值的效果，特意设置了3个空值nan：
查看和隐藏样式
首先是查看DataFrame的样式设置：
我们可以通过render方法来查看数据框样式的具体值：发现都是默认的CSS样式的代码
隐藏索引
隐藏index的代码：
隐藏指定的列
我们发现AC两个列被隐藏了，使用的是参数subset参数：
下面是各种显示样式的案例讲解：
案例1：正负颜色
小于0显示红色，大于0显示蓝色
def color_change(val):
color = 'red' if val < 0 else 'blue'
return 'color: %s' % color
# 使用applymap并调用写好的函数
df1.style.applymap(color_change)
applymap方法是针对整个DataFrame的
案例2：高亮显示数据
可以高亮显示最大、最小和缺失值。手写一个简单的高亮函数：
def highlight_min(x):
is_min = x == x.min()
return ["background-color: yellow" if v else '' for v in is_min]
实例3：使用默认高亮函数
Pandas中已经默认写好了内置的3个高亮函数：
-
highlight_max(): 最大
-
highlight_min(): 最小
-
highlight_null(): 空值
同时我们还可以搭配参数axis来显示行或者列
1、高亮最大值
2、高亮每列的最小值
3、高亮空值：默认是红色
当然我们是可以改变颜色的，通过使用参数null_color：
使用参数axis=1，表示在行的方向上进行操作：
案例4：链式调用
链式调用指的是在同一个样式操作中同时使用多个函数（方法）：
# color_change + highlight_max
df1.style.applymap(color_change).apply(highlight_min)
如果方法特别多，可以分行写：
# color_change + highlight_max
df1.style.\
applymap(color_change).\
apply(highlight_min)
# 或者：外面再加层括号，表示整个代码是一个整体
(df1.style.
applymap(color_change).
apply(highlight_min))
空值高亮和改变颜色参数同时使用，实现链式调用：
隐藏列属性和自定义参数同时使用：
实例5：部分数据美化
使用参数subset参数控制作用的行列，传入的参数可以是：
-
列标签
-
列表（numpy数组）
-
元组（row_indexer， column_indexer）
部分列属性
通过参数subset来指定我们想要美化的列属性：
pd.IndexSlice构造列表
通过pd.IndexSlice来构造
实例6：值的格式化显示（Styler.format）
Styler.format来控制数值的格式化输出，类似于Python中的字符串格式化
整体显示
比如我们想要全部数据只显示两位小数：
使用字典，格式化特定列
通过字典的形式，列属性名当做键，格式说明当做值，进行格式化设置：
使用lambda匿名函数
空值显示
通过参数na_rep，将空值进行替代：
用“空值”两个字来替代：
链式调用同时使用“-”来替代：
表情符
使用emoji表情符：
实例7：内置样式
内置函数
在这里使用的是内置的空值高亮函数：
热力图制作
我们借助seaborn库来实现：
import seaborn as sns
cm = sns.light_palette("blue", as_cmap=True)
s = df1.style.background_gradient(cmap=cm)
s
连续色谱
通过参数low和high来指定色谱的范围：
set_properties使用
### set_properties使用
df1.style.set_properties(**{
"background":"yellow", # 背景色
"color":"red", # 字体
"border-color":"black"}) # 边界
实例8：个性化条形图
默认方式
通过bar方法来操作：
参数align
有3种对齐方式：
-
left：最小值从单元格的左侧开始
-
zero：零值位于单元格的中心
-
mid：单元格中的中心在（max-min)/2处
实例9：样式共享
假设我们某个一个DataFrame创建了一个样式，然后想在另一个DataFrame中直接使用这个样式，该怎么做呢？
我们先创建一个样式style1：
将style1运用到style2中：
实例10：设置精度set_precision
通常是给数据框中的数据指定精度（小数位）：
实例11：设置标题
使用set_caption方法
实例12：缺失值设置
使用的是set_na_rep函数：
(df1.style.set_na_rep("FAIL")
.format(None, na_rep="PASS", subset=["D"])
.highlight_null("yellow"))
实例13：综合案例
(df1.style
.set_na_rep('-') # 设置空值
.format({
'C':'{:.4f}', # 精度设置
'D':'{:.4f}',
'E':'{:.2%}'},na_rep="-") # 精度和空值同时设置
.highlight_null("green") # 空值高亮
.applymap(color_change,subset=['D']) # D列使用color_change函数
.apply(highlight_min,subset=['C']) # C列使用highlight_min
.background_gradient(cmap='cubehelix',subset=['B','D']) # 背景色设置
.bar(subset=['E'], align='mid', color=['#60BCD4','#6A1B9A']) # 柱状图设置
.set_caption("Title of Pandas Style") # 标题设置
.hide_index() # 隐藏索引
.hide_columns(subset=['A'])) # 隐藏A列
实例14：终极武器
# 版本至少需要pandas1.2.0
style1 = [
dict(selector="th", props=[("font-size", "125%"),
("text-align", "center"),
("background-color", "#F0F3CF"),
('width',"100px"),
('height','80px')]),
dict(selector="td", props=[("font-size", "105%"),
("text-align", "right"),
('width',"150px"),
('height','50px')]),
dict(selector="caption", props=[("caption-side", "top"),
("font-size","150%"),
("font-weight","bold"),
("text-align", "left"),
('height','50px'),
('color','#E74C3C')])]
style2 = {
'A': [dict(selector='td', props=[('text-align','center'),
("font-weight","bold"),
("text-transform","capitalize")])],
'B': [dict(selector='td', props=[('text-align','left'),
("font-style","italic")])],
'C': [dict(selector='td', props=[('text-decoration','underline'),
('text-decoration-color','red'),
('text-decoration-style','wavy')])]}
# 链式调用各种设置方法
(df1.style
.set_na_rep('-') # 整体空值
.format({
'C':'{:.4f}','D':'{:.4f}','E':'{:.2%}'},na_rep="-") # 精度
.highlight_null("gray") # 高亮空值
.applymap(color_change,subset=['B']).highlight_max(subset=['A']) # color_change函数和最大值高亮
.background_gradient(cmap='Pastel1',subset=['C','D']) # 背景
.bar(subset=['E'], align='mid', color=['#90BCD4','#6A1B9A']) # 柱状
.set_caption("Advanced use of Pandas Style") # 标题
.hide_index() # 隐藏索引
.hide_columns(subset=['E']) # 隐藏E列
.set_table_styles(style1).set_table_styles(style2,overwrite=False) # 样式传递
.set_properties(**{
'font-family': 'Microsoft Yahei','border-collapse': 'collapse', # 属性设置
'border-top': '1px solid black','border-bottom': '1px solid black'}))
输出到Excel
这是一个还在开发阶段的功能，将DataFrame使用openyxl或者xlswriter作为引擎导出到Excel表格中，官网是这样说的：
在这里看一个简单的案例：
(df1.style
.applymap(color_change) # 正负改变颜色
.apply(highlight_min) # 高亮最小值
.to_excel('styled.xlsx', engine='openpyxl'))
如果我们不想要索引号，添加index=False：
(df1.style
.applymap(color_change) # 正负改变颜色
.apply(highlight_min) # 高亮最小值
.to_excel('styled.xlsx', engine='openpyxl', index=False))
