逐行格式化熊猫数据框

Posted 2023-02-23

【中文标题】逐行格式化熊猫数据框

【英文标题】：Format pandas dataframe row wise

【发布时间】：2019-03-17 21:57:25

【问题描述】：

我有以下数据框并想将其转换为 html

            Limit        Status     Warning      3M AVG
VAR1        1.20         1.21216    1.11         1.21235
VAR2        0.82         0.63075    0.75         0.593295
VAR3        0.38         0.376988   0.35         0.376988
VAR4        0.17         0.126987   0.14         0.12461

我想按行格式化这个数据框：

如果Status 超过Warning，整行变为黄色突出显示，如果超过Limit，整行变为红色突出显示 VAR2 和VAR3 行的格式为“:.2%”，VAR1 和VAR4 的格式为“:.2f”

我研究了 pandas 文档并尝试了几种方法，但我无法完成上述所有任务

如果您能提供帮助，我将不胜感激，因为我相信对许多 pandas 用户来说，明智地格式化数据框行是一个挑战。

编辑1：我试过以下代码：

df=df.transpose()    
df.style.format(":.2%").format("VAR1":":.2f,"VAR4":":.2f")

注意：通过转置数据框可以更轻松地完成所有任务，但我无法将其转回原来的形状，因为它是样式器。

【问题讨论】：

到目前为止，您到底尝试了什么？如果你有一些代码，任何东西都可以提供帮助。否则人们可能只会推荐你已经尝试过的东西。或者他们可以帮助您让他们工作。

我已经添加了我的一些代码并解释了它的局限性

【参考方案1】：

我认为您可以使用自定义 Styling 函数做您想做的事：

def color(row):
    if row.Status >= row.Limit:
        return ['background-color: red'] * len(row)
    elif row.Status >= row.Warning:
        return ['background-color: yellow'] * len(row)
    return [''] * len(row)

df.style.apply(color, axis=1)

不过，您仍然需要为此添加自定义数字格式。

要为此获取 HTML 代码，请使用 render 方法：

df.style.apply(color, axis=1).render()

<style  type="text/css" >
    #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col0 
            background-color:  red;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col1 
            background-color:  red;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col2 
            background-color:  red;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col3 
            background-color:  red;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col0 
            background-color:  yellow;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col1 
            background-color:  yellow;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col2 
            background-color:  yellow;
            #T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col3 
            background-color:  yellow;
        </style>  
<table id="T_e61b55e0_cef5_11e8_9f07_68f72880acdc" > 
<thead>    <tr> 
        <th class="blank level0" ></th> 
        <th class="col_heading level0 col0" >Limit</th> 
        <th class="col_heading level0 col1" >Status</th> 
        <th class="col_heading level0 col2" >Warning</th> 
        <th class="col_heading level0 col3" >3M AVG</th> 
    </tr></thead> 
<tbody>    <tr> 
        <th id="T_e61b55e0_cef5_11e8_9f07_68f72880acdclevel0_row0" class="row_heading level0 row0" >VAR1</th> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col0" class="data row0 col0" >1.2</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col1" class="data row0 col1" >1.21216</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col2" class="data row0 col2" >1.11</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow0_col3" class="data row0 col3" >1.21235</td> 
    </tr>    <tr> 
        <th id="T_e61b55e0_cef5_11e8_9f07_68f72880acdclevel0_row1" class="row_heading level0 row1" >VAR2</th> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow1_col0" class="data row1 col0" >0.82</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow1_col1" class="data row1 col1" >0.63075</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow1_col2" class="data row1 col2" >0.75</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow1_col3" class="data row1 col3" >0.593295</td> 
    </tr>    <tr> 
        <th id="T_e61b55e0_cef5_11e8_9f07_68f72880acdclevel0_row2" class="row_heading level0 row2" >VAR3</th> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col0" class="data row2 col0" >0.38</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col1" class="data row2 col1" >0.376988</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col2" class="data row2 col2" >0.35</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow2_col3" class="data row2 col3" >0.376988</td> 
    </tr>    <tr> 
        <th id="T_e61b55e0_cef5_11e8_9f07_68f72880acdclevel0_row3" class="row_heading level0 row3" >VAR4</th> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow3_col0" class="data row3 col0" >0.17</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow3_col1" class="data row3 col1" >0.126987</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow3_col2" class="data row3 col2" >0.14</td> 
        <td id="T_e61b55e0_cef5_11e8_9f07_68f72880acdcrow3_col3" class="data row3 col3" >0.12461</td> 
    </tr></tbody> 
</table>

【参考方案2】：

我遇到了同样的问题，并查看了 pandas.io.formats.style.Styler 类中 format 函数的实现，并实现了类似的逐行函数：

def format_row_wise(styler, formatter):
    for row, row_formatter in formatter.items():
        row_num = styler.index.get_loc(row)

        for col_num in range(len(styler.columns)):
            styler._display_funcs[(row_num, col_num)] = row_formatter
    return styler

示例：

df = pandas.DataFrame(
    
        'Limit': [1.20, 0.82, 0.38, 0.17], 
        'Status': [1.21216, 0.63075, 0.376988, 0.126987], 
        'Warning': [1.11, 0.75, 0.35, 0.14], 
        '3M AVG': [1.21235, 0.593259, 0.376988, 0.12461]
    , 
    index=['VAR1', 'VAR2', 'VAR3', 'VAR4']
)
formatters = "VAR1":lambda x: f"x:.2f", "VAR4": lambda x: f"x:.2f"
styler = format_row_wise(df.style, formatters)
styler.render()

这对我有用:)

注意：

我只实现了 dict-formatter！ 格式必须作为函数给出（这里：lambda）

希望这能让你走上正确的道路......