对比Excel，一文掌握Pandas表格条件格式（可视化）
点击上方“Python爬虫与数据挖掘”，进行关注
回复“书籍”即可获赠Python从入门到进阶共10本电子书
今
日
鸡
汤
诸葛大名垂宇宙，宗臣遗像肃清高。
大家好，我是才哥。
本来这周不是加班周，但是毕竟项目赶进度，还是需要加班着，咱们更文又变得慢了起来。
最近有粉丝询问Pandas表格可视化的一些问题，刚好前段时间也看过，那么就结合之前处理Excel时的条件格式对着来看吧。
所以，今天咱们隆重介绍一下Excel条件格式与Pandas的表格可视化，走起！
目录：
1. 概述
2. 突出显示单元格
2.1. 高亮缺失值
2.2. 高亮最大值
2.3. 高亮最小值
2.4. 高亮区间值
2.5. 高亮分位数
3. 色阶（背景及文本渐变色）
3.1. 背景渐变色
3.2. 文本渐变色
4. 数据条
5. 数据格式化
6. 自定义格式函数
7. 其他
1. 概述
咱们先简单介绍一下什么是表格条件格式可视化，以常用的Excel为例说明。
在Excel菜单栏里，默认（选择）开始菜单，在中间部位有个条件格式控件，里面就是关于表格条件格式的方方面面。主要包含突出显示单元格规则、最前/最后规则、数据条、色阶、图标集以及规则管理等。
条件格式
基于以上，我们其实可以通过函数方式进行多种条件的综合，让Excel表格可视化丰富多彩，比如以下截图展示的就是色阶效果！
色阶案例，数据截止8月5日
在上图中，我们对每列单独进行条件格式-色阶设置，绿色->红色 代表数值从小到大，可以很直观的快速感受数值表现。
所谓 表格条件格式可视化，就是对表格的数据按照一定的条件进行可视化的展示（这里的可视化更多是指单元格背景色、字体颜色以及文本格式显示等）。
那么，Pandas作为表格化的数据处理工具，我们可以如何实现 表格条件格式可视化呢？！
大杀器：df.style
2. 突出显示单元格
在Excel条件格式中，突出显示单元格规则提供的是大于、小于、等于以及重复值等内置样式，不过在Pandas中这些需要通过函数方法来实现，我们放在后续介绍。这里介绍Pandas突出显示缺失值、最大值、最小值、区间值的函数方法以及Excel实现这些操作的自定义操作。
2.1. 高亮缺失值
df.style.highlight_null()
Signature:
df.style.highlight_null(
null_color: 'str' = 'red',
subset: 'Subset | None' = None,
props: 'str | None' = None,
) -> 'Styler'
Docstring:
Highlight missing values with a style.
null_color用于指定高亮的背景色，默认是红色
subset用于指定操作的列或行
props用于突出显示CSS属性（后面案例中会涉及到）
比如，我们可以指定高亮的背景色为橙色（颜色可以是英文名称）
比如，我们可以指定高亮的背景色为紫红色（颜色可以是16进制）
2.2. 高亮最大值
df.style.highlight_max()
Signature:
df.style.highlight_max(
subset: 'Subset | None' = None,
color: 'str' = 'yellow',
axis: 'Axis | None' = 0,
props: 'str | None' = None,
) -> 'Styler'
Docstring:
Highlight the maximum with a style.
subset用于指定操作的列或行
color用于指定颜色，默认是黄色
axis用于指定行最大、列最大或全部，默认是列方向最大
这里我们发现对于中文也有列最大高亮，至于为啥是蒙古其实我也不清楚，为了避免出现这种情况，有两种方法：①将这一列设置为索引(这里不做演示），②采用subset指定
指定颜色为灰色
显示全部最大值
那么，Excel如何显示最大值呢？这里我们以显示全部最大值为例展开介绍，逻辑如下：
通过函数MAX获取数据区域的最大值
然后编辑格式满足单元格值等于这个最大值即可
操作为：选中数据区域，进行条件格式设置->编辑格式规则
具体规则如下图：
我们就可以得到想要的效果：
同样的道理，我们可以根据需求高亮列或行的最大值、最小值等
2.3. 高亮最小值
df.style.highlight_min()
参数基本同高亮最大值，这里不再赘述，看案例
链式调用 最大最小值高亮
2.4. 高亮区间值
df.style.highlight_between
Signature:
df.style.highlight_between(
subset: 'Subset | None' = None,
color: 'str' = 'yellow',
axis: 'Axis | None' = 0,
left: 'Scalar | Sequence | None' = None,
right: 'Scalar | Sequence | None' = None,
inclusive: 'str' = 'both',
props: 'str | None' = None,
) -> 'Styler'
Docstring:
Highlight a defined range with a style.
subset用于指定操作的列或行
color用于指定颜色，默认是黄色
axis用于指定行、列或全部，如果left或right作为序列给出，则应用于这些序列的边界
left用于指定区间最小值
right用于指定区间最大值
inclusive用于确定是否左右闭包，可选'both', 'neither', 'left', 'right'
props用于突出显示CSS属性
高亮数量在[20, 30]的单元格
props用于突出显示CSS属性，案例中我们将待高亮的部分显示为字体颜色-白色，背景色-紫色
金牌数区间[20, 30]、银牌数区间[10, 20]、铜牌数区间[5, 10]
2.5. 高亮分位数
df.style.highlight_quantile()
Signature:
df.style.highlight_quantile(
subset: 'Subset | None' = None,
color: 'str' = 'yellow',
axis: 'Axis | None' = 0,
q_left: 'float' = 0.0,
q_right: 'float' = 1.0,
interpolation: 'str' = 'linear',
inclusive: 'str' = 'both',
props: 'str | None' = None,
) -> 'Styler'
Docstring:
Highlight values defined by a quantile with a style.
subset用于指定操作的列或行
color用于指定颜色，默认是黄色
axis用于指定行、列或全部
q_left用于指定分位数左边界，默认是0
q_right用于指定分位数右边界，默认是1
inclusive用于确定是否左右闭包，可选'both', 'neither', 'left', 'right'
props用于突出显示CSS属性
比如，高亮各列奖牌数前15%的值
3. 色阶（背景及文本渐变色）
色阶部分包含背景渐变色和文本渐变色
3.1. 背景渐变色
在Excel中，直接通过条件格式->色阶 操作即可选择想要的背景渐变色效果
而在Pandas中，我们可以通过df.style.background_gradient()进行背景渐变色的设置。
Signature:
df.style.background_gradient(
cmap='PuBu',
low: 'float' = 0,
high: 'float' = 0,
axis: 'Axis | None' = 0,
subset: 'Subset | None' = None,
text_color_threshold: 'float' = 0.408,
vmin: 'float | None' = None,
vmax: 'float | None' = None,
gmap: 'Sequence | None' = None,
) -> 'Styler'
Docstring:
Color the background in a gradient style.
cmap用于指定matplotlib色条
low和high用于指定最小最大值颜色边界，区间[0, 1]
axis用于指定行、列或全部，默认是列方向
subset用于指定操作的列或行
text_color_threshold用于指定文本颜色亮度，区间[0, 1]
vmin和vmax用于指定与cmap最小最大值对应的单元格最小最大值
low和high用于指定最小最大值颜色边界，区间[0, 1]
cmap用于指定matplotlib色条，采用seaborn美化样式
text_color_threshold用于指定文本颜色亮度，区间[0, 1]
vmin和vmax用于指定与cmap最小最大值对应的单元格最小最大值（10以下同色，70以上同色）
我们可以看到以上对于缺失值来说，其背景色是黑色，我们可以通过链式方法和高亮缺失值对缺失值背景色进行修改
3.2. 文本渐变色
文本渐变色顾名思义就是对单元格的文本进行颜色渐变，可以通过df.style.text_gradient()来操作，其参数和背景渐变色基本一致。
4. 数据条
在Excel中，直接通过条件格式->数据条 操作即可选择想要的数据条效果
而在Pandas中，我们可以通过 df.style.bar()来进行数据条绘制
Signature:
df.style.bar(
subset: 'Subset | None' = None,
axis: 'Axis | None' = 0,
color='#d65f5f',
width: 'float' = 100,
align: 'str' = 'left',
vmin: 'float | None' = None,
vmax: 'float | None' = None,
) -> 'Styler'
Docstring:
Draw bar chart in the cell backgrounds.
subset用于指定操作的列或行
axis用于指定行、列或全部，默认是列方向
color用于指定数据条颜色
width用于指定数据条长度，默认是100，区间[0, 100]
vmin和vmax用于指定与数据条最小最大值对应的单元格最小最大值
align数据条与单元格对齐方式，默认是left左对齐，还有zero居中和mid位于（max-min）/2
比如，奖牌数（不算总的）最低0最高40+颜色为橙色+居中展示，金牌差数据条长度为50（也就是单元格一半的长度）、银牌差mid对齐+数据条为单元格一半长度+正负显示不同颜色
5. 数据格式化
调整数据格式用到df.style.format()
Signature:
df.style.format(
formatter: 'ExtFormatter | None' = None,
subset: 'Subset | None' = None,
na_rep: 'str | None' = None,
precision: 'int | None' = None,
decimal: 'str' = '.',
thousands: 'str | None' = None,
escape: 'str | None' = None,
) -> 'StylerRenderer'
Docstring:
Format the text display value of cells.
formatter显示格式
subset用于指定操作的列或行
na_rep用于指定缺失值的格式
precision用于指定浮点位数
decimal用于用作浮点数、复数和整数的十进制分隔符的字符，默认是.
thousands用作浮点数、复数和整数的千位分隔符的字符
escape用于特殊格式输出（如html、latex等，这里不做展开，可参考官网）比如，我们给数据加上单位
枚，缺失值显示为无
设置小数点位数为0
指定列进行格式化
分别对指定列进行单独格式化
6. 自定义格式函数
通过传递样式函数来自定义格式：
applymap()(elementwise)：接受一个函数，它接受一个值并返回一个带有 CSS 属性值对的字符串。
apply()(column-/ row- /table-wise): 接受一个函数，它接受一个 Series 或 DataFrame 并返回一个具有相同形状的 Series、DataFrame 或 numpy 数组，其中每个元素都是一个带有 CSS 属性的字符串-值对。此方法根据axis关键字参数一次传递一个或整个表的 DataFrame 的每一列或行。对于按列使用axis=0、按行使用axis=1，以及一次性使用整个表axis=None。
比如，我们定义一个函数，如果金牌数<银牌数，则高亮金牌数这一列对应的值
比如，我们还可以定义函数，如果金牌数<银牌数，则这一行数据都高亮
又或者，我们可以根据不同的比值对每行进行不同的高亮
关于以上函数的写法，我们还可以调用numpy的where和repeat方法进行优化，如：
7. 其他
还有一些小操作，比如添加标题、隐藏索引、隐藏指定列等等
添加标题
隐藏索引
隐藏指定列
设置属性
如果一些单元格属性和单元格值无关，我们可以通过df.style.set_properties()来进行定制化操作，比如：背景色-黑色，字体颜色-草绿色，边框颜色-白色。（css样式）
选中放大
鼠标选择单元格会有放大效果
效果演示
导出Excel
就直接to_excel就行了，dfs = df.style.xxx，然后dfs.to_excel()
导出的excel截图
导出html
以上就是本次全部内容，大家感兴趣的话可以自己演示一遍熟悉熟悉，又或者想想日常工作中的一些条件格式需求，然后通过Pandas演示出来效果看看。
小伙伴们，快快用实践一下吧！如果在学习过程中，有遇到任何问题，欢迎加我好友，我拉你进Python学习交流群共同探讨学习。
------------------- End -------------------
往期精彩文章推荐：
手把手教你采集京东销售数据并做简单的数据分析和可视化
手把手教你用Pyecharts库对淘宝数据进行可视化展示
手把手教你用Pandas库对淘宝原始数据进行数据处理和分词处理
Python项目实战篇——常用验证码标注&识别(前端+后端实现高效率数据标注)
欢迎大家点赞，留言，转发，转载，感谢大家的相伴与支持
想加入Python学习群请在后台回复【入群】
万水千山总是情，点个【在看】行不行
/今日留言主题/
随便说一两句吧~~