在Python中设置Pandas数据框的背景颜色和字体颜色

正如我们所知，造型的基本思想是为了使最终用户的可读性更有影响力。我们可以对数据的颜色和格式进行修改，以便更有效地传达洞察力。为了在pandas DataFrame上实现更有冲击力的可视化，一般来说，我们可以使用DataFrame.style属性，该属性会返回styller对象，该对象有许多有用的方法来格式化和可视化数据框架。

使用DataFrame.style属性

df.style.set_properties。通过使用这个，我们可以使用内置的功能来操作数据框架的样式，从字体颜色到背景颜色。

# Importing the necessary libraries -->
import pandas as pd
import numpy as np
 
# Seeding random data from numpy
np.random.seed(24)
 
# Making the DataFrame
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)
 
# DataFrame without any styling
print("Original DataFrame:\n")
print(df)
print("\nModified Stlying DataFrame:")
df.style.set_properties(**{'background-color': 'black',
                           'color': 'green'})

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

df.style.set_properties

df.style.highlight_null : 在它的帮助下，我们可以突出显示数据框架中的缺失或空值。

# Replacing the locating value by NaN (Not a Number)
df.iloc[0, 3] = np.nan
df.iloc[2, 3] = np.nan
df.iloc[4, 2] = np.nan
df.iloc[7, 4] = np.nan
 
# Highlight the NaN values in DataFrame
print("\nModified Stlying DataFrame:")
df.style.highlight_null(null_color='red')

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

df.style.highlight_null

df.style.highlight_min : 用于突出显示整个数据框架中每一列的最小值。

# Highlight the Min values in each column
print("\nModified Stlying DataFrame:")
df.style.highlight_min(axis=0)

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

df.style.highlight_min

df.style.highlight_max :用于突出显示整个数据框架中每一列的最大值。

# Highlight the Max values in each column
print("\nModified Stlying DataFrame:")
df.style.highlight_max(axis=0)

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

df.style.highlight_max

使用用户定义的函数

我们可以使用一个用户定义的函数来修改DataFrame。在这个函数的帮助下，我们可以自定义数据框内正数据值的字体颜色。

# function for set text color of positive
# values in Dataframes
def color_positive_green(val):
    """
    Takes a scalar and returns a string with
    the css property `'color: green'` for positive
    strings, black otherwise.
    """
    if val > 0:
        color = 'green'
    else:
        color = 'black'
    return 'color: %s' % color
 
df.style.applymap(color_positive_green)

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

User-Defined Function

使用Seaborn图书馆

在DataFrame中使用调色板进行梯度填充。通过从seaborn库中导入浅色调色板，我们可以为数据框的背景绘制颜色梯度。

# Import seaborn library
import seaborn as sns
 
# Declaring the cm variable by the
# color palette from seaborn
cm = sns.light_palette("green", as_cmap=True)
 
# Visualizing the DataFrame with set precision
print("\nModified Stlying DataFrame:")
df.style.background_gradient(cmap=cm).set_precision(2)

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

Seaborn调色板

使用调色板来突出空值或缺失值。这里，我们用Seaborn的梯度调色板以红色突出NaN值。

# Highlight the NaN values in DataFrame
# using seaborn color palette
print("\nModified Stlying DataFrame:")
df.style.background_gradient(cmap=cm).set_precision(2).highlight_null('red')

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色

Seaborn调色板与highlight_null。

用DataFrame.style属性组装Seaborn属性。用数据框架的高亮属性定制seaborn调色板，以实现更有影响力的数据可视化。

# Highlight the NaN values in DataFrame
# using seaborn color palette as well as
# min('lighblue') and max('blue') values
# in each column
print("\nModified Stlying DataFrame:")
df.style.background_gradient(cmap=cm).set_precision(2).highlight_null('red').highlight_min(axis=0, color='lightblue').highlight_max(axis=0, color='blue')

输出:

在Python中设置Pandas数据框的背景颜色和字体颜色