Style

原文：http://pandas.pydata.org/pandas-docs/stable/style.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

版本0.17.1中的新功能

临时：这是一个新功能，仍在开发中。我们将添加功能，并可能在未来的版本中进行突破性更改。我们很乐意听取您的反馈。 t>

本文档是作为Jupyter Notebook编写的，可以在此处查看或下载。

您可以使用DataFrame.style属性，应用条件格式（根据数据内部的数据确定DataFrame的视觉样式）。这是一个返回pandas.Styler对象的属性，它具有用于格式化和显示DataFrames的有用方法。

样式是使用CSS完成的。您可以编写取得标量DataFrame或系列的“样式函数”，并返回like-indexed DataFrames或Series with CSS 属性：值“对。这些函数可以递增地传递到样式器，样式器在渲染之前收集样式。

Contents

Building Styles

将您的样式函数传递到以下方法之一：

  • Styler.applymap：elementwise
  • Styler.apply：column- / row- / table-wise

这两个方法都有一个函数（和一些其他关键字参数），并以某种方式将你的函数应用到DataFrame。Styler.applymap按元素方式处理DataFrame。Styler.apply根据axis关键字参数，将每个列或行一次性传递到您的DataFrame或整个表格。对于逐列使用axis = 0，按行使用axis = 1，并且对于整个表立即使用axis = None。

对于Styler.applymap，您的函数应采用标量，并返回一个具有CSS属性值对的字符串。

对于Styler.apply，您的函数应采用Series或DataFrame（取决于轴参数），并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。

让我们看一些例子。

在[1]：
import pandas as pd
import numpy as np

np.random.seed(24)
df = pd.DataFrame({'A': np.linspace(1, 10, 10)})
df = pd.concat([df, pd.DataFrame(np.random.randn(10, 4), columns=list('BCDE'))],
               axis=1)
df.iloc[0, 2] = np.nan

这里是一个无聊的例子，渲染一个DataFrame，没有任何（可见）样式：

在[2]：
df.style
Out [2]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

注意：DataFrame.style属性是返回Styler对象的propetry。样式器具有定义的_repr_html _方法，因此它们会自动呈现。如果你想要实际的HTML返回进一步处理或写入文件调用.render()方法返回一个字符串。

上面的输出看起来非常类似于标准的DataFrame HTML表示。但是我们在幕后做了一些工作，将CSS类附加到每个单元格。我们可以通过调用.render方法查看这些。

在[3]：
df.style.highlight_null().render().split('\n')[:10]
出[3]：
[u'',
 u'        <style  type="text/css" >',
 u'        ',
 u'        ',
 u'            #T_bc5e3090_c9fe_11e6_8f44_778134d549ffrow0_col2 {',
 u'            ',
 u'                background-color:  red;',
 u'            ',
 u'            }',
 u'        ']

row0_col2是特定单元格的标识符。我们还为每个行/列标识符添加了每个DataFrame唯一的UUID，以便一个样式不会与同一笔记本或页面中另一个样式发生冲突（您可以设置uuid t0 >如果你想把两个DataFrames的样式绑在一起）。

在编写样式函数时，您需要处理生成所需的CSS属性/值对。Pandas匹配那些标识每个单元格的CSS类。

让我们写一个简单的样式函数，将负数红色和正数黑色。

在[4]：
def color_negative_red(val):
    """
    Takes a scalar and returns a string with
    the css property `'color: red'` for negative
    strings, black otherwise.
    """
    color = 'red' if val < 0 else 'black'
    return 'color: %s' % color

在这种情况下，单元格的样式仅取决于它自己的值。这意味着我们应该使用元素方式工作的Styler.applymap方法。

在[5]：
s = df.style.applymap(color_negative_red)
s
出[5]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

注意与标准df.applymap的相似性，它在元素方面对DataFrames进行操作。我们希望您能够重新使用您现有的如何与DataFrames交互的知识。

还要注意，我们的函数返回一个包含CSS属性和值的字符串，用冒号分隔，就像在＆lt； style＆gt；标签中。这将是一个共同的主题。

最后，输入形状匹配。Styler.applymap在每个标量输入上调用函数，函数返回标量输出。

现在假设您想突出显示每列中的最大值。我们不能使用.applymap，因为它是按元素操作的。相反，我们将转到.apply，它按列方式操作（或使用轴关键字按行操作）。稍后我们会看到highlight_max已在Styler上定义，因此您不需要自己编写。

在[6]：
def highlight_max(s):
    '''
    highlight the maximum in a Series yellow.
    '''
    is_max = s == s.max()
    return ['background-color: yellow' if v else '' for v in is_max]
在[7]：
df.style.apply(highlight_max)
出[7]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

在这种情况下，输入为Series，一次一列。请注意，highlight_max的输出形状与输入形状匹配，即具有len（s）项的数组。

我们鼓励您使用方法链在分段式构建样式，最后在链的末尾呈现。

在[8]：
df.style.\
    applymap(color_negative_red).\
    apply(highlight_max)
Out [8]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

上面我们使用Styler.apply每次传递一列一个。

*Debugging Tip*: If you're having trouble writing your style function, try just passing it into DataFrame.apply. 在内部，Styler.apply使用DataFrame.apply，因此结果应该相同。

如果您想突出显示整个表中的最大值，该怎么办？使用.apply（function，axis = None）来表示您的函数需要整个表，而不是一次一列或一行。让我们试试下。

我们将改写highlight-max来处理Series（从.apply（axis = 0或1））或DataFrames（从.apply无））。我们还将允许颜色可调，以演示.apply和.applymap传递关键字参数。

在[9]：
def highlight_max(data, color='yellow'):
    '''
    highlight the maximum in a Series or DataFrame
    '''
    attr = 'background-color: {}'.format(color)
    if data.ndim == 1:  # Series from .apply(axis=0) or axis=1
        is_max = data == data.max()
        return [attr if v else '' for v in is_max]
    else:  # from .apply(axis=None)
        is_max = data == data.max().max()
        return pd.DataFrame(np.where(is_max, attr, ''),
                            index=data.index, columns=data.columns)

当使用Styler.apply（func，axis = None）时，函数必须返回具有相同索引和列标签的DataFrame。

在[10]：
df.style.apply(highlight_max, color='darkorange', axis=None)
出[10]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

Building Styles Summary

样式函数应返回带有一个或多个CSS 属性的字符串：value以分号分隔。使用

  • Styler.applymap（func）用于元素样式
  • Styler.apply（func，axis = 0）用于列方式
  • Styler.apply（func，axis = 1）用于行式样式
  • Styler.apply（func，axis = None）用于表格样式

至关重要的是，func的输入和输出形状必须匹配。如果x是输入，则func（x）.shape == x.shape。

Finer Control: Slicing

Styler.apply和Styler.applymap都接受子集关键字。这样，您就可以将样式应用于特定的行或列，而无需将该逻辑编写到样式函数中。

传递给子集的值与切分DataFrame类似。

  • 标量被视为列标签
  • 列表（或系列或numpy数组）
  • 元组被视为（row_indexer，column_indexer）

考虑使用pd.IndexSlice来构造最后一个的元组。

在[11]：
df.style.apply(highlight_max, subset=['B', 'C', 'D'])
Out [11]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

对于行和列切片，.loc的任何有效索引器将工作。

在[12]：
df.style.applymap(color_negative_red,
                  subset=pd.IndexSlice[2:5, ['B', 'D']])
Out [12]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

现在只支持基于标签的切片，而不是位置。

如果您的样式函数使用子集或轴关键字参数，请考虑在functools.partial中包装函数，以分离出该关键字。

my_func2 = functools.partial(my_func, subset=42)

Finer Control: Display Values

我们在样式器中区分显示值与实际值。要控制显示值，请在每个单元格中打印文本，使用Styler.format。单元格可以根据格式规范字符串或一个可调用，它接受一个单一的值并返回一个字符串。

在[13]：
df.style.format("{:.2%}")
出[13]：
一个BCDE
0 100.00％132.92％纳米％-31.63％-99.08％
1 200.00％-107.08％-143.87％56.44％29.57％
2 300.00％-162.64％21.96％67.88％188.93％
3 400.00％96.15％10.40％-48.12％85.02％
4 500.00％145.34％105.77％16.56％51.50％
5 600.00％-133.69％56.29％139.29％-6.33％
6 700.00％12.17％120.76％-0.20％162.78％
7 800.00％35.45％103.75％-38.57％51.98％
8 900.00％168.66％-132.60％142.90％-208.94％
9 1000.00％-12.98％63.15％-58.65％29.07％

使用字典格式化特定列。

在[14]：
df.style.format({'B': "{:0<4.0f}", 'D': '{:+.2f}'})
Out [14]：
一个BCDE
0 1 1000 南-0.32-0.99081
1 2 -100-1.43871+0.56 0.295722
2 3 -200 0.219565 +0.68 1.88927
3 4 1000 0.104011 -0.48 0.850229
4 5 1000 1.05774 +0.17 0.515018
5 6 -100 0.562861 +1.39-0.063328
6 7 0000 1.2076 -0.00 1.6278
7 8 0000 1.03753 -0.39 0.519818
8 9 2000 -1.32596+1.43-2.08935
9 10 -000 0.631523 -0.59 0.29072

或者传递一个callable（或callables的字典）以更灵活的处理。

在[15]：
df.style.format({"B": lambda x: "±{:.2f}".format(abs(x))})

---------------------------------------------------------------------------
UnicodeDecodeError                        Traceback (most recent call last)
/home/joris/miniconda3/envs/docs/lib/python2.7/site-packages/IPython/core/formatters.pyc in __call__(self, obj)
    309             method = get_real_method(obj, self.print_method)
    310             if method is not None:
--> 311                 return method()
    312             return None
    313         else:

/home/joris/scipy/pandas/pandas/formats/style.py in _repr_html_(self)
    190     def _repr_html_(self):
    191         """Hooks into Jupyter notebook rich display system."""
--> 192         return self.render()
    193 
    194     def _translate(self):

/home/joris/scipy/pandas/pandas/formats/style.py in render(self)
    423                    if any(any(y) for y in x['props'])]
    424         d['cellstyle'] = trimmed
--> 425         return self.template.render(**d)
    426 
    427     def _update_ctx(self, attrs):

/home/joris/miniconda3/envs/docs/lib/python2.7/site-packages/jinja2/environment.pyc in render(self, *args, **kwargs)
    987         except Exception:
    988             exc_info = sys.exc_info()
--> 989         return self.environment.handle_exception(exc_info, True)
    990 
    991     def stream(self, *args, **kwargs):

/home/joris/miniconda3/envs/docs/lib/python2.7/site-packages/jinja2/environment.pyc in handle_exception(self, exc_info, rendered, source_hint)
    752             self.exception_handler(traceback)
    753         exc_type, exc_value, tb = traceback.standard_exc_info
--> 754         reraise(exc_type, exc_value, tb)
    755 
    756     def join_path(self, template, parent):

<template> in top-level template code()

UnicodeDecodeError: 'ascii' codec can't decode byte 0xc2 in position 0: ordinal not in range(128)
Out [15]：
<pandas.formats.style.Styler at 0x7fa8ba59bf50>

Builtin Styles

最后，我们期望某些样式函数是公用的，因为我们已经在Styler中包含了一些“内置”，所以你不必自己编写它们。

在[16]：
df.style.highlight_null(null_color='red')
Out [16]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

您可以使用background_gradient方法创建“热图”。这些需要matplotlib，我们将使用Seaborn来获得一个很好的色彩映射。

在[17]：
import seaborn as sns

cm = sns.light_palette("green", as_cmap=True)

s = df.style.background_gradient(cmap=cm)
s

/home/joris/miniconda3/envs/docs/lib/python2.7/site-packages/IPython/html.py:14: ShimWarning: The `IPython.html` package has been deprecated. You should import from `notebook` instead. `IPython.html.widgets` has moved to `ipywidgets`.
  "`IPython.html.widgets` has moved to `ipywidgets`.", ShimWarning)
/home/joris/miniconda3/envs/docs/lib/python2.7/site-packages/matplotlib/colors.py:581: RuntimeWarning: invalid value encountered in less
  cbook._putmask(xa, xa < 0.0, -1)
Out [17]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

Styler.background_gradient使用关键字参数低和高。粗略地说，这些扩展了低和高 t>百分比的数据范围，以便在我们转换颜色时，不使用色彩映射的整个范围。这是有用的，这样你可以读取文本仍然。

在[18]：
# Uses the full color range
df.loc[:4].style.background_gradient(cmap='viridis')
出[18]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
在[19]：
# Compreess the color range
(df.loc[:4]
    .style
    .background_gradient(cmap='viridis', low=.5, high=0)
    .highlight_null('red'))
出[19]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018

您可以在DataFrame中包括“条形图”。

在[20]：
df.style.bar(subset=['A', 'B'], color='#d65f5f')
Out [20]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

还有.highlight_min和.highlight_max。

在[21]：
df.style.highlight_max(axis=0)
出[21]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072
在[22]：
df.style.highlight_min(axis=0)
出[22]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

当样式实际上不依赖于值时，请使用Styler.set_properties。

在[23]：
df.style.set_properties(**{'background-color': 'black',
                           'color': 'lawngreen',
                           'border-color': 'white'})
出[23]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

Sharing Styles

假设你有一个可爱的样式为DataFrame构建，现在你想要应用相同的样式到第二个DataFrame。使用df1.style.export导出样式，并使用df1.style.set在第二个DataFrame上导入样式

在[24]：
df2 = -df
style1 = df.style.applymap(color_negative_red)
style1
出[24]：
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072
在[25]：
style2 = df2.style
style2.use(style1.export())
style2
出[25]：
一个BCDE
0 -1-1.32921南 0.31628 0.99081
1 -2 1.07082 1.43871 -0.564417-0.295722
2 -3 1.6264 -0.219565-0.678805-1.88927
3 -4-0.961538-0.104011 0.481165 -0.850229
4 -5-1.45342-1.05774-0.165562-0.515018
5 -6 1.33694 -0.562861-1.39285 0.063328
6 -7-0.121668-1.2076 0.00204021 -1.6278
7 -8-0.354493-1.03753 0.385684 -0.519818
8 -9-1.68658 1.32596 -1.42898 2.08935
9 -10 0.12982 -0.631523 0.586538 -0.29072

请注意，您可以共享样式，即使它们是数据感知。在他们使用的新DataFrame上重新评估样式。

Other options

你已经看到了几种数据驱动的样式方法。Styler还为不依赖于数据的样式提供了一些其他选项。

  • 精确
  • 字幕
  • 表格样式

这些都可以通过两种方式指定：

  • pandas.core.Styler的关键字参数
  • 调用.set _方法之一，例如.set_caption

使用的最佳方法取决于上下文。在构建许多应该都具有相同属性的样式化DataFrame时，使用Styler构造函数。对于交互式使用，.set _方法更方便。

Precision

您可以使用pandas的常规display.precision选项来控制浮点数的精度。

在[26]：
with pd.option_context('display.precision', 2):
    html = (df.style
              .applymap(color_negative_red)
              .apply(highlight_max))
html
出[26]：
一个BCDE
0 1 1.3 南-0.32-0.99
1 2 -1.1-1.4 0.56 0.3
2 3 -1.6 0.22 0.68 1.9
3 4 0.96 0.1 -0.48 0.85
4 5 1.5 1.1 0.17 0.52
5 6 -1.3 0.56 1.4 -0.063
6 7 0.12 1.2 -0.002 1.6
7 8 0.35 1 -0.39 0.52
8 9 1.7 -1.3 1.4 -2.1
9 10 -0.13 0.63 -0.59 0.29

或者通过set_precision方法。

在[27]：
df.style\
  .applymap(color_negative_red)\
  .apply(highlight_max)\
  .set_precision(2)
出[27]：
一个BCDE
0 1 1.3 南-0.32-0.99
1 2 -1.1-1.4 0.56 0.3
2 3 -1.6 0.22 0.68 1.9
3 4 0.96 0.1 -0.48 0.85
4 5 1.5 1.1 0.17 0.52
5 6 -1.3 0.56 1.4 -0.063
6 7 0.12 1.2 -0.002 1.6
7 8 0.35 1 -0.39 0.52
8 9 1.7 -1.3 1.4 -2.1
9 10 -0.13 0.63 -0.59 0.29

设置精度只影响打印数量；全精度值总是传递给您的样式函数。如果您想从头开始，可以使用df.round（2）.style。

Captions

可以通过几种方式添加常规表格标题。

在[28]：
df.style.set_caption('Colormaps, with a caption.')\
    .background_gradient(cmap=cm)
出[28]：
Colormaps, with a caption.
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

Table Styles

下一个选项是“表样式”。这些是应用于整个表的样式，但不要查看数据。某些交换，包括像：hover这样的伪选择器只能以这种方式使用。

在[29]：
from IPython.display import HTML

def hover(hover_color="#ffff99"):
    return dict(selector="tr:hover",
                props=[("background-color", "%s" % hover_color)])

styles = [
    hover(),
    dict(selector="th", props=[("font-size", "150%"),
                               ("text-align", "center")]),
    dict(selector="caption", props=[("caption-side", "bottom")])
]
html = (df.style.set_table_styles(styles)
          .set_caption("Hover to highlight."))
html
Out [29]：
Hover to highlight.
一个BCDE
0 1 1.32921 南-0.31628-0.99081
1 2 -1.07082-1.43871 0.564417 0.295722
2 3 -1.6264 0.219565 0.678805 1.88927
3 4 0.961538 0.104011 -0.481165 0.850229
4 5 1.45342 1.05774 0.165562 0.515018
5 6 -1.33694 0.562861 1.39285 -0.063328
6 7 0.121668 1.2076 -0.00204021 1.6278
7 8 0.354493 1.03753 -0.385684 0.519818
8 9 1.68658 -1.32596 1.42898 -2.08935
9 10 -0.12982 0.631523 -0.586538 0.29072

table_styles应该是字典列表。每个字典应该有选择符和道具键。selector的值应为有效的CSS选择器。请记住，所有样式都已附加到id，每个样式器都是唯一的。此选择器除了id。props的值应该是（'attribute'，'value'）的元组列表。

table_styles非常灵活，但没有手动输入的乐趣。我们希望在大熊猫中收集一些有用的内容，或者在这里建立的工具的新包中优先选择。

CSS Classes

某些CSS类附加到单元格。

  • Index and Column names include index_name and level<k> where k is its level in a MultiIndex
  • 索引标签单元格包括
    • row_heading
    • row＆lt； n＆gt；其中n是行的数字位置
    • level＆lt； k＆gt；其中k是MultiIndex中的级别
  • 柱标记细胞包括
    • col_heading
    • col＆lt； n＆gt；其中n是列的数字位置
    • level＆lt； k＆gt；其中k是MultiIndex中的级别
  • 空白单元格包括blank
  • 数据单元包括数据

Limitations

  • DataFrame仅（使用Series.to_frame()。style）
  • 索引和列必须是唯一的
  • 没有大的repr，和性能不是很大；这是为了概要DataFrames
  • 您只能设置值的样式，而不是索引或列
  • 您只能应用样式，不能插入新的HTML实体

其中一些将在未来得到解决。

Terms

  • 样式函数：传递到Styler.apply或Styler.applymap并返回像'css attribute：value'
  • 内置样式函数：样式函数是Styler上的方法
  • 表格样式：具有两个键选择器和道具的字典。selector t>是props将应用于的CSS选择器。props是（属性，值）元组的列表。传递到Styler中的表格样式列表。

Fun stuff

这里有一些有趣的例子。

样式器与小部件相互交互。如果你正在查看这个在线，而不是自己运行笔记本，你错过了交互式调整调色板。

在[30]：
from IPython.html import widgets
@widgets.interact
def f(h_neg=(0, 359, 1), h_pos=(0, 359), s=(0., 99.9), l=(0., 99.9)):
    return df.style.background_gradient(
        cmap=sns.palettes.diverging_palette(h_neg=h_neg, h_pos=h_pos, s=s, l=l,
                                            as_cmap=True)
    )

---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-30-62e68348ecde> in <module>()
      1 from IPython.html import widgets
----> 2 @widgets.interact
      3 def f(h_neg=(0, 359, 1), h_pos=(0, 359), s=(0., 99.9), l=(0., 99.9)):
      4     return df.style.background_gradient(
      5         cmap=sns.palettes.diverging_palette(h_neg=h_neg, h_pos=h_pos, s=s, l=l,

/home/joris/miniconda3/envs/docs/lib/python2.7/site-packages/IPython/utils/shimmodule.pyc in __getattr__(self, key)
     90             return import_item(name)
     91         except ImportError:
---> 92             raise AttributeError(key)

AttributeError: interact
在[31]：
def magnify():
    return [dict(selector="th",
                 props=[("font-size", "4pt")]),
            dict(selector="td",
                 props=[('padding', "0em 0em")]),
            dict(selector="th:hover",
                 props=[("font-size", "12pt")]),
            dict(selector="tr:hover td:hover",
                 props=[('max-width', '200px'),
                        ('font-size', '12pt')])
]
在[32]：
np.random.seed(25)
cmap = cmap=sns.diverging_palette(5, 250, as_cmap=True)
df = pd.DataFrame(np.random.randn(20, 25)).cumsum()

df.style.background_gradient(cmap, axis=1)\
    .set_properties(**{'max-width': '80px', 'font-size': '1pt'})\
    .set_caption("Hover to magify")\
    .set_precision(2)\
    .set_table_styles(magnify())
出[32]：
Hover to magify
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
0 0.23 1 -0.84-0.59-0.96-0.22-0.62 1.8 -2.1 0.87 -0.92-0.23 2.2 -1.3 0.076 -1.2 1.2 -1 1.1 -0.42 2.3 -2.6 2.8 0.68 -1.6
1 -1.7 1.6 -1.1-1.1 1 0.0037 -2.5 3.4 -1.7 1.3 -0.52-0.015 1.5 -1.1-1.9-1.1-0.68-0.81 0.35 -0.055 1.8 -2.8 2.3 0.78 0.44
2 -0.65 3.2 -1.8 0.52 2.2 -0.37-3 3.7 -1.9 2.5 0.21 -0.24-0.1-0.78-3-0.82-0.21-0.23 0.86 -0.68 1.4 -4.9 3 1.9 0.61
3 -1.6 3.7 -2.3 0.43 4.2 -0.43-3.9 4.2 -2.1 1.1 0.12 0.6 -0.89 0.27 -3.7-2.7-0.31-1.6 1.4 -1.8 0.91 -5.8 2.8 2.1 0.28
4 -3.3 4.5 -1.9-1.7 5.2 -1-3.8 4.7 -0.72 1.1 -0.18 0.83 -0.22-1.1-4.3-2.9-0.97-1.8 1.5 -1.8 2.2 -6.3 3.3 2.5 2.1
5 -0.84 4.2 -1.7-2 5.3 -0.99-4.1 3.9 -1.1-0.94 1.2 0.087 -1.8-0.11-4.5-0.85-2.1-1.4 0.8 -1.6 1.5 -6.5 2.8 2.1 3.8
6 -0.74 5.4 -2.1-1.1 4.2 -1.8-3.2 3.8 -3.2-1.2 0.34 0.57 -1.8 0.54 -4.4-1.8-4-2.6-0.2-4.7 1.9 -8.5 3.3 2.5 5.8
7 -0.44 4.7 -2.3-0.21 5.9 -2.6-1.8 5.5 -4.5-3.2-1.7 0.18 0.11 0.036 -6-0.45-6.2-3.9 0.71 -3.9 0.67 -7.3 3 3.4 6.7
8 0.92 5.8 -3.3-0.65 6 -3.2-1.8 5.6 -3.5-1.3-1.6 0.82 -2.4-0.4-6.1-0.52-6.6-3.5-0.043-4.6 0.51 -5.8 3.2 2.4 5.1
9 0.38 5.5 -4.5-0.8 7.1 -2.6-0.44 5.3 -2-0.33-0.8 0.26 -3.4-0.82-6.1-2.6-8.5-4.5 0.41 -4.7 1.9 -6.9 2.1 3 5.2
10 2.1 5.8 -3.9-0.98 7.8 -2.5-0.59 5.6 -2.2-0.71-0.46 1.8 -2.8 0.48 -6-3.4-7.8-5.5-0.7-4.6-0.52-7.7 1.5 5 5.8
11 1.9 4.5 -2.2-1.4 5.9 -0.49 0.017 5.8 -1-0.6 0.49 2 -1.5 1.9 -5.9-4.5-8.2-3.4-2.2-4.3-1.2-7.9 1.4 5.3 5.8
12 3.2 4.2 -3.1-2.3 5.9 -2.6 0.33 6.7 -2.8-0.2 1.9 2.6 -1.5 0.75 -5.3-4.5-7.6-2.9-2.2-4.8-1.1-9 2.1 6.4 5.6
13 2.3 4.5 -3.9-2 6.8 -3.3-2.2 8 -2.6-0.8 0.71 2.3 -0.16-0.46-5.1-3.8-7.6-4 0.33 -3.7-1-8.7 2.5 5.9 6.7
14 3.8 4.3 -3.9-1.6 6.2 -3.2-1.5 5.6 -2.9-0.33-0.97 1.7 3.6 0.29 -4.2-4.1-6.7-4.5-2.2-2.4-1.6-9.4 3.4 6.1 7.5
15 5.6 5.3 -4-2.3 5.9 -3.3-1 5.7 -3.1-0.33-1.2 2.2 4.2 1 -3.2-4.3-5.7-4.4-2.3-1.4-1.2-11 2.6 6.7 5.9
16 4.1 4.3 -2.4-3.3 6 -2.5-0.47 5.3 -4.8 1.6 0.23 0.099 5.8 1.8 -3.1-3.9-5.5-3-2.1-1.1-0.56-13 2.1 6.2 4.9
17 5.6 4.6 -3.5-3.8 6.6 -2.6-0.75 6.6 -4.8 3.6 -0.29 0.56 5.8 2 -2.3-2.3-5-3.2-3.1-2.4 0.84 -13 3.6 7.4 4.7
18 6 5.8 -2.8-4.2 7.1 -3.3-1.2 7.9 -4.9 1.4 -0.63 0.35 7.5 0.87 -1.5-2.1-4.2-2.5-2.5-2.9 1.9 -9.7 3.4 7.1 4.4
19 4 6.2 -4.1-4.1 7.2 -4.1-1.5 6.5 -5.2-0.24 0.0072 1.2 6.4 -2-2.6-1.7-5.2-3.3-2.9-1.7 1.6 -11 2.8 7.5 3.9

Extensibility

熊猫的核心是，并将继续是其“高性能，易于使用的数据结构”。考虑到这一点，我们希望DataFrame.style实现两个目标

  • 提供一个令人愉快的交互式API，并且对于许多任务都“足够好”
  • 为专用图书馆提供基础

如果您在此之上建立了一个优秀的图书馆，请告诉我们，我们将链接到它。

Subclassing

本节包含有关Styler实施的信息。由于功能是如此新，所有这一切都可能改变，甚至比最终使用的API。

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。

Alternate templates

我们使用Jinja模板来构建HTML。模板存储为类变量Styler.template。。子类可以覆盖它。

class CustomStyle(Styler):
    template = Template("""...""")