5种Pandas图表美化样式汇总！

小鱼儿 2022-09-13 00:25 197阅读 0赞

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，会美化Pandas的输出。不同于IDE展示的文本形式，Jupyter可以通过CSS修改表格的样式。

我们在做excel表格的时候，常常会对重要数据进行highlight，或者用不同颜色表示数据的大小。这在Pandas中也是可以实现的，而且非常简洁。![ce793d0fa7f75482e550ec70388b7a84.png][]

Pandas提供了`DataFrame.style`属性，它会返回`Styler`对象，用以数据样式的美化。![2210679edf3a8fd74ecb506bf15d31b5.png][]

一般的，我们需要将样式函数作为参数传递到下面方法中，就可以实现图表美化。

*  Styler.applymap: 作用于元素
 *  Styler.apply:作用于行、列或整个表

下面通过一些例子，具体展示常用的美化形式。

## 一、高亮显示 ##

为便于展示，数据示例是用的**2021世界人口数量前十国家数据**。

import pandas as pd
    data = pd.read_excel(r"E:\\jupyter_notebook\\2021世界人口数据.xlsx")
    data

![40473e1d05f2e61f32ddd26988f1725c.png][]

我们先看下该表的信息:

data.info()

![8b1a751cc513bce8622d5f44c112e388.png][]

除了前两列，其他列都为数字类型。

现在对指定列的最大值进行高亮处理：

def highlight_max(s):
        '''
        对列最大值高亮（黄色）处理
        '''
        is_max = s == s.max()
        return ['background-color: yellow' if v else '' for v in is_max]
    
    data.style.apply(highlight_max,subset=['2021人口', '2020人口', '面积','单位面积人口','人口增幅','世界占比'])

![bef82689ee0260aeaa1b16f57460be72.png][]

如果不想对元素背景高亮处理，也可以直接更改指定元素颜色，从而达到突出重点的目的。

标记**单位面积人口列**大于200的元素：

def color_red(s):
        is_max = s > 200
        return ['color : red' if v else '' for v in is_max]
    
    data.style.apply(color_red,subset=['单位面积人口'])

![0ec4872f66898901fa0e313291714668.png][]

## 二、数据条显示 ##

Excel条件格式里，有一个数据条显示方式，用以可视化表达数据大小。

Pandas Style方法中也有数据条的表达形式，用`df.style.bar`来实现。

还是用前面人口数据的例子，我们来看下如何操作数据条。

import pandas as pd
    data = pd.read_excel(r"E:\\jupyter_notebook\\2021世界人口数据.xlsx")
    # 数据条显示指定列数据大小
    data.style.bar(subset=['2021人口', '2020人口'], color='#FFA500')

![fb25dc17c1cd10eb053b04b9ffff4a4a.png][]

## 三、色阶显示 ##

色阶也就是热力图，它和数据条一样，都用来表达数据大小。

Pandas Style中色阶的使用也很简单，用`df.style.background_gradient`实现。

import seaborn as sns
    
    # 使用seaborn获取颜色
    cm = sns.light_palette("green", as_cmap=True)
    # 色阶实现
    data.style.background_gradient(cmap=cm,subset=['2021人口', '2020人口', '面积','单位面积人口','人口增幅','世界占比'])

![4a966732d42e52912b7aa61c4b0f0233.png][]

可以通过选择最大最小颜色比例，调节色阶范围。

调节前：

import seaborn as sns
    
    # 色阶实现,这里使用内置色阶类型，不调节颜色范围
    data.style.background_gradient(cmap='viridis',high=0.2,low=0.1,subset=['2021人口', '2020人口', '面积','单位面积人口','人口增幅','世界占比'])

![132e50d3cbf6e31a9a76bf463d03ff32.png][]

调节后：

import seaborn as sns
    
    # 色阶实现,这里使用内置色阶类型，调节颜色范围
    data.style.background_gradient(cmap='viridis',high=0.5,low=0.3,subset=['2021人口', '2020人口', '面积','单位面积人口','人口增幅','世界占比'])

![4588a3ece7b6cfc1873d93de70aeb9bb.png][]

## 四、百分比显示 ##

有些数字需要百分比显示才能准确表达，比如说人口数据里的人口增幅、世界占比。

Pandas可以数据框中显示百分比，通过`Styler.format`来实现。

data.style.format("{:.2%}",subset=['人口增幅','世界占比'])

![8f4f20227cf6019ce001472000b397c6.png][]

## 五、标记缺失值 ##

数据集中可能会存在缺失值，如果想突出显示缺失值，该怎么操作？

这里有好几种常用的方法，一是用`-`符号替代，二是高亮显示

先创建一个带缺失值的表，还是用人口数据。

import pandas as pd
    import numpy as np
    data = pd.read_excel(r"E:\\jupyter_notebook\\2021世界人口数据.xlsx")
    data.iloc[1, 4] = np.nan
    data.iloc[3, 1] = np.nan
    data.iloc[6, 6] = np.nan
    data

![24c6e4e7c493819ba1748c97793ddecd.png][]

上面数据中有三个缺失值，我们用`-`符号替代缺失值：

data.style.format(None, na_rep="-")

![b9e2f9ea8d566729402de53a2562094d.png][]

再试试对缺失值高亮显示：

data.style.highlight_null(null_color='red')

![5659cc80f5375809231b096914114316.png][]

## 附：将样式输出到excel ##

Pandas中的数据美化样式不仅可以展示在notebook中，还可以输出到excel。

这里使用to\_excel方法，并用openpyxl作为内核

import pandas as pd
    import numpy as np
    data = pd.read_excel(r"E:\\jupyter_notebook\\2021世界人口数据.xlsx")
    data.style.background_gradient(cmap='viridis',subset=['2021人口', '2020人口', '面积','单位面积人口','人口增幅','世界占比']).\
                                  to_excel('style.xlsx', engine='openpyxl')

![128cde9f1b0d2ca091139a88b21902d9.png][]

> ❝
> 
> 本文参考Pandas官方文档Styling章节

![b00709088742eba41f56c0f014e1de16.gif][]

点击下方卡片进行关注，获取更多内容

![804b1f297059c5d46eeb33880803aa78.png][]

点分享

![29a7331f9eb4aefc486e0e2fb6db4309.png][]

点收藏

![d8eb18575d494889dbb2de0b8bec5188.png][]

点点赞

![ef53edcd86a390fbed79e5f3aef3f3ee.png][]

点在看

[ce793d0fa7f75482e550ec70388b7a84.png]: /images/20220828/78d14164d4104ddca2aa67d1f54ed7ea.png
[2210679edf3a8fd74ecb506bf15d31b5.png]: /images/20220828/9cf84f682cf243afb48652ba0411682f.png
[40473e1d05f2e61f32ddd26988f1725c.png]: /images/20220828/c81aa5dd0b874581ad934c09dd82cdd7.png
[8b1a751cc513bce8622d5f44c112e388.png]: /images/20220828/549f48d0d2604a8fbabdff2f0d5b9728.png
[bef82689ee0260aeaa1b16f57460be72.png]: /images/20220828/14e2c535dee84beaaf3721502d610e36.png
[0ec4872f66898901fa0e313291714668.png]: /images/20220828/9601d13593374691a0e27e676e3b78e3.png
[fb25dc17c1cd10eb053b04b9ffff4a4a.png]: /images/20220828/8ae5cee13cff45cf8bcffde4cd44b99a.png
[4a966732d42e52912b7aa61c4b0f0233.png]: /images/20220828/19d97e1f303e4912a8bfb563a7f8bff0.png
[132e50d3cbf6e31a9a76bf463d03ff32.png]: /images/20220828/921979b3d49d4f3d9d83650144605771.png
[4588a3ece7b6cfc1873d93de70aeb9bb.png]: /images/20220828/c016e4697cf74db1bc8db9d16aa08d48.png
[8f4f20227cf6019ce001472000b397c6.png]: /images/20220828/a9e13c05f1aa48018b0853e19f57ae99.png
[24c6e4e7c493819ba1748c97793ddecd.png]: /images/20220828/99b8623f52504b6d9f929b2c7a1ed282.png
[b9e2f9ea8d566729402de53a2562094d.png]: /images/20220828/fccf2db445f14635a7acb3a57e7d6f24.png
[5659cc80f5375809231b096914114316.png]: /images/20220828/5d4bcb5992a34974bbc391420525522a.png
[128cde9f1b0d2ca091139a88b21902d9.png]: /images/20220828/a4ee758039fe4281a760e651e1eee5ce.png
[b00709088742eba41f56c0f014e1de16.gif]: /images/20220828/9a17e67334d44cdca478700102270157.png
[804b1f297059c5d46eeb33880803aa78.png]: /images/20220828/b2c400adf47d40aba618470f3c83918f.png
[29a7331f9eb4aefc486e0e2fb6db4309.png]: /images/20220828/2f5df5e4e9464334aa1d28d6c4ac43a9.png
[d8eb18575d494889dbb2de0b8bec5188.png]: /images/20220828/73c496f004534a4a9c65c21c836ab001.png
[ef53edcd86a390fbed79e5f3aef3f3ee.png]: /images/20220828/7573aa24a954477fb8ee80ce200cbd7c.png