df.style.set_properties：通过df.style.set_properties功能，我们可以使用内置功能来处理从字体颜色到背景颜色的数据框样式。

我们使用DataFrame.style属性，该属性返回样式器对象，该对象具有许多用于格式化和可视化数据框的有用方法。

我觉得改变背景色的话需要考虑border, 而border是有几种颜色渐变组成的
所以要自己画颜色需要好好研究一下

我们希望分别突出显示正数和自然数。如果你对CSS有一些基本的了解，或者只是简单的Google一下，你就会知道下面的属性来设置HTML表格单元格的背景颜色和文本颜色。

background-color: red; color: white

让我们编写一个函数来给表格单元格着色。

def highlight_number(row):
    return [
        'background-color: red; color: white' if cell <= 0 
        else 'background-color: green; color: white'
        for cell in row    ]

如果单元格的值为负数，我们使用红色作为背景，否则如果是正值，则使用绿色。由于颜色可能有点暗，我们还想将文本颜色改为白色。

然后，我们可以将函数应用于 DataFrame。

df.style.apply(highlight_number)

超级酷！现在很明显，我们得到了负数和正数，它们很好地区分开来。

链接样式函数

到目前为止，我们每次只添加一种样式。事实上，我们调用df.style，返回 DataFrame的Styler对象。Styler对象支持链接样式函数。让我们看看另一个更复杂的例子。

比方说，我们想在原始数据框中添加以下样式。

1. 用红色突出显示负数，用绿色突出显示正数。

2. 格式化数字。

3. 使用set_caption()向表添加标题。

4. 使表格间隙变大，这样看起来就不会那么挤了。

5. 在单元格之间添加白色边框以改善显示效果。

是的，我们可以通过使用链表达式一次性完成所有这些操作。

df.style \  .apply(highlight_number) \  .format('${0:,.2f}') \  .set_caption('A Sample Table') \  .set_properties(padding="20px", border='2px solid white')

感觉该表可以直接用于某些业务报表

内置突出显示功能

不懂CSS，但还是想炫耀一下？是的，Pandas风格还提供了一些内置的函数，这些函数很酷，但很容易使用。

突出显示函数

让我们使用相同的 DataFrame进行演示。

# 为演示目的生成一个nan值df.at[1, 1] = None# 添加样式df.style \  .highlight_null('lightgray') \  .highlight_max(color='lightgreen') \  .highlight_min(color='pink')

看，用你喜欢的颜色来突出显示空值、最小值和最大值是很容易的。我建议使用浅色，因为文本颜色总是黑色的。

df.style.set_properties：通过使用此功能，我们可以使用内置功能来处理从字体颜色到背景颜色的数据框样式。

frame构造函数里面有参数设置背景色
Frame(height = 20,width = 400,bg = 'red').pack()

该属性返回样式器对象，该对象具有许多用于格式化和可视化数据框的有用方法。

使用DataFrame.style属性

• df.style.set_properties： 通过使用此功能，我们可以使用内置功能来处理从字体颜色到背景颜色的数据框样式。

import pandas as pdimport numpy as np# Seeding random data from numpy np.random.seed(24)# Making the DatFrame df = pd.DataFrame({'A': np.linspace(1, 10, 10)})df = pd.concat([df, pd.DataFrame(np.random.randn(10, 4),columns=list('BCDE'))], axis=1)# DataFrame without any styling print("Original DataFrame:\n")print(df)print("\nModified Stlying DataFrame:")df.style.set_properties(**{'background-color': 'black','color': 'green'})

df.style.set_properties

• df.style.highlight_null： 在此帮助下，我们可以突出显示数据框内丢失或为空的值。

df.iloc[0, 3] = np.nandf.iloc[2, 3] = np.nandf.iloc[4, 2] = np.nandf.iloc[7, 4] = np.nan# Highlight the NaN values in DataFrame print("\nModified Stlying DataFrame:")df.style.highlight_null(null_color='red')

• df.style.highlight_min：用于突出显示整个数据帧中每一列的最小值。

print("\nModified Stlying DataFrame:") df.style.highlight_min(axis=0)

• df.style.highlight_max： 用于突出显示整个数据帧中每一列的最大值。

# Highlight the Max values in each column  print("\nModified Stlying DataFrame:")df.style.highlight_max(axis=0)

使用用户定义的功能

• 我们可以使用用户定义的函数来修改DataFrame： 在此函数的帮助下，我们可以自定义数据框内正数据值的字体颜色。

# function for set text color of positive # values in Dataframes def color_positive_green(val):"""     Takes a scalar and returns a string with     the css property `'color: green'` for positive     strings, black otherwise.     """if val > 0:color = 'green'else:color = 'black'return 'color: %s' % colordf.style.applymap(color_positive_green)

使用Seaborn库

• 将调色板用于渐变填充到DataFrame中： 通过从seaborn库中导入颜色的调色板，我们可以映射数据框背景的颜色渐变。

# Import seaborn library import seaborn as sns# Declaring the cm variable by the  # color palette from seaborn cm = sns.light_palette("green", as_cmap=True)# Visualizing the DataFrame with set precision print("\nModified Stlying DataFrame:")df.style.background_gradient(cmap=cm).set_precision(2)

• 使用突出显示空值或缺失值的调色板： 在这里，我们用Seaborn的渐变调色板突出显示红色的NaN值。

# Highlight the NaN values in DataFrame  # using seaborn color palette print("\nModified Stlying DataFrame:")df.style.background_gradient(cmap=cm).set_precision(2).highlight_null('red')

• 将Seaborn属性与DataFrame.style属性组装在一起： 使用数据框的高亮属性自定义seaborn调色板，以实现更具影响力的数据可视化。

# Highlight the NaN values in DataFrame  # using seaborn color palette as well as # min('lighblue') and max('blue') values  # in each column print("\nModified Stlying DataFrame:")df.style.background_gradient(cmap=cm).set_precision(2).highlight_null('red').highlight_min(axis=0, color='lightblue').highlight_max(axis=0, color='blue')