pandas.io.formats.style.Styler.highlight_quantile#
- Styler.highlight_quantile(subset=None, color='yellow', axis=0, q_left=0.0, q_right=1.0, interpolation='linear', inclusive='both', props=None)[源代码]#
使用样式高亮显示由分位数定义的值。
1.3.0 新版功能.
- 参数
- 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。- color字符串，默认为‘黄色’
用于突出显示的背景色。
- axis{0或‘index’，1或‘Columns’，无}，默认0
用于确定和高亮显示分位数的轴。如果
None分位数是在整个DataFrame上测量的。请参见示例。- q_left浮点型，默认为0
目标分位数范围的左界，在[0，q_right]中。
- q_right浮点型，默认为1
目标分位数范围的右边界，在(Q_Left，1]中)。
- interpolation{‘线性’，‘较低’，‘较高’，‘中点’，‘最近’}
参数传递给
Series.quantile或DataFrame.quantile用于分位数估计。- inclusive{‘两者都不’，‘都不’，‘左’，‘右’}
标识分位数界限是闭合的还是开放的。
- props字符串，默认为无
用于突出显示的CSS属性。如果
props给出了，color未使用。
- 退货
- self造型师
参见
Styler.highlight_null使用样式突出显示缺少的值。
Styler.highlight_max突出显示样式的最大值。
Styler.highlight_min用一种样式突出最小值。
Styler.highlight_between使用样式亮显已定义的范围。
注意事项
此函数不适用于
str数据类型。示例
使用
axis=None并将分位数应用于所有集合数据>>> df = pd.DataFrame(np.arange(10).reshape(2,5) + 1) >>> df.style.highlight_quantile(axis=None, q_left=0.8, color="#fffd75") ...
或按行或按列突出显示分位数，在本例中为按行
>>> df.style.highlight_quantile(axis=1, q_left=0.8, color="#fffd75") ...
使用
props而不是默认背景颜色>>> df.style.highlight_quantile(axis=None, q_left=0.2, q_right=0.8, ... props='font-weight:bold;color:#e83e8c')
