Python pandas.io.formats.style.Styler.background_gradient實例講解

以漸變樣式為背景著色。

背景顏色根據每一列、每一行或每一幀中的數據,或由給定的梯度圖確定。需要 matplotlib。

參數:

cmap:str 或顏色圖

Matplotlib 顏色圖。

low:浮點數

壓縮低端的顏色范圍。這是延伸到最小值以下的數據范圍的倍數;好的值通常在 [0, 1] 中,默認為 0。

high:浮點數

壓縮高端的顏色范圍。這是超出最大值的數據范圍的倍數;好的值通常在 [0, 1] 中,默認為 0。

axis:{0 或 ‘index’,1 或 ‘columns’,無},默認 0

適用于每一列(axis=0 或 'index')、每一行(axis=1 或 'columns'),或使用 axis=None 一次應用于整個 DataFrame。

subset:標簽,array-like,IndexSlice,可選

一個有效的二維輸入DataFrame.loc[<subset>], 或者,在 1d 輸入或單鍵的情況下,DataFrame.loc[:, <subset>]列優先級的地方,以限制data到前應用該函數。

text_color_threshold:浮點數或整數

用于確定 [0, 1] 中文本顏色的亮度閾值。促進不同背景顏色的文本可見性。如果為 0,所有文本為暗,如果為 1,則為亮,默認為 0.408。

vmin:浮點數,可選

對應于顏色圖最小值的最小數據值。如果未指定,將使用數據(或 gmap)的最小值。

vmax:浮點數,可選

對應于顏色圖最大值的最大數據值。如果未指定,將使用數據(或 gmap)的最大值。

gmap:array-like,可選

用于確定背景顏色的漸變圖。如果未提供,將使用行、列或框架中的基礎數據。如果以 ndarray 或 list-like 的形式給出,則必須與考慮到 axis 和 subset 的基礎數據具有相同的形狀。如果作為 DataFrame 或 Series 給出,則考慮 axis 和 subset 必須具有相同的索引和列標簽。如果提供,vmin 和 vmax 應該相對于這個梯度圖給出。

返回:

self:造型器

注意:

當使用 low 和 high 時,如果沒有給出 gmap 或由 gmap 給出,則由數據給出的梯度范圍在低端通過 map.min - low * map.range 有效擴展,在高端通過map.max + high * map.range 在顏色標準化和確定之前。

如果與 vmin 和 vmax 組合,則 map.min , map.max 和 map.range 將替換為根據從 vmin 和 vmax 派生的值的值。

此方法將預選數字列并忽略非數字列,除非提供gmap,在這種情況下不會發生預選。

例子:

>>> df = pd.DataFrame(columns=["City", "Temp (c)", "Rain (mm)", "Wind (m/s)"],...                   data=[["Stockholm", 21.6, 5.0, 3.2],...                         ["Oslo", 22.4, 13.3, 3.1],...                         ["Copenhagen", 24.5, 0.0, 6.7]])

使用 axis=0 按列著色值,預選數字列

>>> df.style.background_gradient(axis=0)

使用 axis=None 共同對所有值進行著色

>>> df.style.background_gradient(axis=None)

從 low 和 high 兩端壓縮顏色圖

>>> df.style.background_gradient(axis=None, low=0.75, high=1.0)

手動設置vmin和vmax梯度閾值

>>> df.style.background_gradient(axis=None, vmin=6.7, vmax=21.6)

設置 gmap 并使用另一個 cmap 應用于所有列

>>> df.style.background_gradient(axis=0, gmap=df['Temp (c)'], cmap='YlOrRd')...

為數據幀設置梯度圖(即 axis=None ),我們需要明確聲明 subset 以匹配 gmap 形狀

>>> gmap = np.array([[1,2,3], [2,3,4], [3,4,5]])>>> df.style.background_gradient(axis=None, gmap=gmap,...     cmap='YlOrRd', subset=['Temp (c)', 'Rain (mm)', 'Wind (m/s)']... )