Pandas 表格样式设置指南
出品:Python 数据之道
作者:阳哥
08 Jul, 2021
Contents
1 Pandas 表格样式设置指南 3
1.1 环境准备 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2
隐藏索引
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 隐藏列 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 设置数据格式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 颜色高亮设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 色阶颜色设置 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7 数据条显示 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8 自定义函数的使用 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.9 颜色设置范围选择 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.10 共享样式 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.11 导出样式到 Excel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.12 总结 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 延伸阅读 31
2.1 我是谁 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 延伸阅读 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2
1 Pandas 表格样式设置指南
来源:Python 数据之道 (ID:PyDataLab)
作者:阳哥
大家好,我是阳哥。
最近这些年,Python 在数据分析以及人工智能领域是越来越火。
这离不开 pandas、numpy、sklearn、TensorFlow、PyTorch 等数据科学包,尤其是 Pandas,几乎是每一
个从事 Python 数据科学相关的同学都绕不过去的。
Pandas 是一种高效的数据处理库,它以 dataframe 和 series 为基本数据类型,呈现出类似 excel 的二维数
据。
在 Jupyter 中 (jupyter notebook 或者 jupyter lab),可以对数据表格按照条件进行个性化的设置,方便形象
的查看和使用数据。
Pandas 提供了 DataFrame.style 属性,它会返回 Styler对象,用于数据样式的设置。
基于 Pandas 提供的方法,本文主要内容概括如下:
3
Chapter 1. Pandas 表格样式设置指南 Python 数据之道
Figure 1.1: 内容目录
1.1 环境准备
1.1.1 使用环境
本次使用的环境如下:
• MacOS 系统
http://liyangbit.com 4
Chapter 1. Pandas 表格样式设置指南 Python 数据之道
• Python 3.8
• Jupyter Notebook
Pandas 和 Numpy 的版本为:
1 pandas version:1.3.0rc1
2 numpy version:1.19.2
首先导入 pandas 和 numpy 库,这次咱们本次需要用到的两个 Python 库,如下:
1 import pandas as pd
2 import numpy as np
3
4 print(f'pandas version:{pd.__version__}')
5 print(f'numpy version:{np.__version__}')
1.1.2 数据准备
本次咱们使用的两份数据是关于主动基金以及消费行业指数基金的数据,本次演示用的数据仅为展示 Pandas 图
表美化功能,对投资没有参考建议哈。
数据文件在文末有获取方式。
数据 1
消费行业指数基金相关的数据,导入如下:
1 df_consume = pd.read_csv('./data/fund_consume.csv',index_col=0,parse_dates=[' 上
任 日 期 ',' 规 模 对 应 日 期 '])
2 df_consume = df_consume.sort_values(' 基 金 规 模 ( 亿 )',ascending=False).head(10)
3 df_consume = df_consume.reset_index(drop=True)
4 df_consume
数据 2
主动基金数据,导入如下:
1 df_fund = pd.read_csv('./data/fund-analysis.csv',index_col=0,parse_dates=[' 上 任
日 期 ',' 规 模 对 应 日 期 '])
2 df_fund = df_fund.sort_values(' 基 金 规 模 ( 亿 )',ascending=False).head(10)
3 df_fund = df_fund.reset_index(drop=True)
4 df_fund.head(2)
文章中主要使用第一份数据。
1.2 隐藏索引
用 hide_index() 方法可以选择隐藏索引,代码如下:
http://liyangbit.com 5
评论10