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。
使用应用结果更新 HTML 表示。
- Parameters:
- funcfunction
func应该接受一个 Series（如果axis为 [0,1]）并返回一个具有相同长度的类列表对象，或者一个 Series，其长度不一定相同，但具有考虑subset的有效索引标签。func应该接受一个 DataFrame（如果axis为None）并返回一个具有相同形状的 ndarray，或者一个形状不一定相同的 DataFrame，并具有考虑subset的有效索引和列标签。在 1.3.0 版本发生变更.
在 1.4.0 版本发生变更.
- axis{0 或 ‘index’, 1 或 ‘columns’, None}，默认 0
按列（
axis=0或'index'）、按行（axis=1或'columns'）或一次性应用于整个 DataFrame（axis=None）。- subset标签、类数组、IndexSlice、可选
DataFrame.loc[<subset>] 的有效二维输入，或者，在输入为一维或单个键的情况下，为 DataFrame.loc[:, <subset>]，其中列优先，用于在应用函数 之前 限制
data。- **kwargsdict
传递给
func。
- Returns:
- Styler
参见
Styler.map_index逐个元素地将 CSS 样式函数应用于标头。
Styler.apply_index逐级别地将 CSS 样式函数应用于标头。
Styler.map逐元素应用 CSS 样式函数。
Notes
func的输出元素应该是 CSS 样式字符串，格式为 ‘attribute: value; attribute2: value2; …’，或者，如果没有要应用于该元素的样式，则为空字符串或None。这类似于
DataFrame.apply，不同之处在于axis=None会一次性将函数应用于整个 DataFrame，而不是按列或按行应用。Examples
>>> 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将应用限制为单个列或多个列。>>> df.style.apply(highlight_max, color='red', subset="A") ... >>> df.style.apply(highlight_max, color='red', subset=["A", "B"]) ...
使用二维输入
subset来选择除了列之外的行。>>> 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")) ...
使用返回具有不等长度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)
更多详情请参阅 Table Visualization 用户指南。