【Python基础】pandas的骚操作：一行 pandas 代码搞定 Excel “条件格式”！

来源：Python数据科学

作者：东哥起飞

本篇是pandas100个骚操作系列的第 7 篇：一行 pandas 代码搞定 Excel “条件格式”！

系列内容，请看????「pandas100个骚操作」话题，订阅后文章更新可第一时间推送。

---

条件格式

说实话，Excel的 “条件格式” 是东哥非常喜欢的功能之一，通过添加颜色条件可以让表格数据更加清晰的凸显出统计特性。

有的朋友在想，这样的操作在python可能会很复杂。但其实一点不复杂，而且只需一行代码即可。

为什么可以做到一行代码实现 “条件格式”？

一是使用了pandas的style方法，二是要得益于pandas的链式法则。

下面我们来一起看个例子，体验一下这个组合操作有多骚。

实例

首先，我们导入数据集，使用经典的titanic中抽样的部分数据。

import pandas as pd
df = pd.read_csv("test.csv")
df

可以看到，现在这个dataframe是空白的，什么都没有的，现在要给表格添加一些条件。

1、比如我们想让Fare变量值呈现条形图，以清楚看出各个值得大小比较，那么可直接使用bar代码如下。

df.style.bar("Fare",vmin=0)

2、再比如，我们想让Age变量呈现背景颜色的梯度变化，以体验映射的数值大小，那么可直接使用background_gradient，深颜色代表数值大，浅颜色代表数值小，代码如下。

df.style.background_gradient("Greens",subset="Age")

3、让所有缺失值都高亮出来，可使用highlight_null，表格所有缺失值都会变成高亮。

df.style.highlight_null()

以上就是pandas的style条件格式，用法非常简单。下面我们用链式法则将以上三个操作串起来，只需将每个方法加到前一个后面即可，代码如下。

df.style.bar("Fare",vmin=0).background_gradient("Greens",subset="Age").highlight_null()

当然，如果你希望加更多的条件格式效果，还可以继续让链式更长，但不论条件怎么多，都只是一行代码。

其它操作

上面仅仅是列举了三个style中常用的操作，还有很多其他操作比如高亮最大值、给所有负值标红等等，通过参数subset还可以指定某一列或者某几列的小范围内进行条件格式操作。

# 负值标为红色
applymap(color_negative_red)

# 高亮最大值
apply(highlight_max)

# 使某一列编程±前缀，小数点保留两位有效数字
format({"Coulumn": lambda x: "±{:.2f}".format(abs(x))})

# 使用subset进行dataframe切片，选择指定的列
applymap(color_negative_red,
                  subset=pd.IndexSlice[2:5, ['B', 'D']])

另外，还有很多的效果可以实现，比如结合seaborn的各种风格。

import seaborn as sns
cm = sns.light_palette("green", as_cmap=True)
df.style.background_gradient(cmap=cm)

如果结合Ipython的HTML还可以实现炫酷的动态效果。

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

关于style条件格式的所有用法，可以参考pandas的官方文档。

链接：https://pandas.pydata.org/pandas-docs/version/0.18/style.html

往期精彩回顾



适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站知识星球“黄博的机器学习圈子”（92416895）
本站qq群704220115。
加入微信群请扫码：