pandas.io.formats.style.Styler.apply#
- Styler.apply(func, axis=0, subset=None, **kwargs)[源代码]#
按列、按行或按表应用css样式函数。
使用结果更新HTML表示形式。
- 参数
- func功能
func应该参加一个系列赛，如果axis在……里面 [0,1] 并返回相同长度的类似列表的对象，或返回不一定具有相同长度的Series，并考虑有效的索引标签subset。func如果出现以下情况，则应采用DataFrameaxis是None并返回具有相同形状的ndarray或不一定具有相同形状的DataFrame，并考虑有效的索引和列标签subset。在 1.3.0 版更改.
在 1.4.0 版更改.
- axis{0或‘index’，1或‘Columns’，无}，默认0
应用于每列 (
axis=0或'index')，到每一行 (axis=1或'columns')，或使用以下命令一次性访问整个DataFrameaxis=None。- subset标签、类似数组、索引切片、可选
有效的2D输入到 DataFrame.loc[<subset>] ，或者，在1D输入或单键的情况下， DataFrame.loc[:, <subset>] 对列进行优先排序的位置，以限制
data至 在此之前 应用该函数。- **kwargsDICT
传递给
func。
- 退货
- self造型师
参见
Styler.applymap_index对标题元素应用一个css样式函数。
Styler.apply_index对标头逐级应用css样式函数。
Styler.applymap以元素方式应用一个css样式函数。
注意事项
的输出元素
func应为字符串形式的CSS样式，格式为‘ATTRIBUTE：VALUE；ATTRIBUTE 2：VALUE2；...’或者，如果不对该元素应用任何内容，则为空字符串或None。这类似于
DataFrame.apply，除了axis=None将函数一次应用于整个DataFrame，而不是按列或按行应用。示例
>>> def highlight_max(x, color): ... return np.where(x == np.nanmax(x.to_numpy()), f"color: {color};", None) >>> df = pd.DataFrame(np.random.randn(5, 2), columns=["A", "B"]) >>> df.style.apply(highlight_max, color='red') >>> df.style.apply(highlight_max, color='blue', axis=1) >>> df.style.apply(highlight_max, color='green', axis=None)
使用
subset将应用程序限制为单列或多列>>> df.style.apply(highlight_max, color='red', subset="A") ... >>> df.style.apply(highlight_max, color='red', subset=["A", "B"]) ...
使用2D输入以
subset除列外还选择行的步骤>>> df.style.apply(highlight_max, color='red', subset=([0,1,2], slice(None))) ... >>> df.style.apply(highlight_max, color='red', subset=(slice(0,5,2), "A")) ...
使用返回长度不等但包含有效索引标签的Series/DataFrame的函数
>>> df = pd.DataFrame([[1, 2], [3, 4], [4, 6]], index=["A1", "A2", "Total"]) >>> total_style = pd.Series("font-weight: bold;", index=["Total"]) >>> df.style.apply(lambda s: total_style)
看见 Table Visualization 用户指南，了解更多详细信息。