Pandas在groupby层次结构上应用样式

Question

Pandas style关键字仅适用于行或列。是否有可能根据分段进行拆分。

例如

np.random.seed(24)
df = pd.DataFrame({'Types': np.linspace(1, 10, 10)})
df = pd.concat([df, pd.DataFrame(np.random.randn(10, 4), columns=['Names','V1','V2','V3'])],
               axis=1)

df['Types'][0:7] ="Dang"

df['Types'][7:] ="Fang"

df['Names'][0:3] ="Andy"

df['Names'][3:8] ="Flower"

df['Names'][8:] ="Avril"

df2 = pd.groupby(df,['Types','Names']).mean()
df2

现在我想根据子级

突出显示最大值

def highlight_max(x):
     return ['background-color: yellow' if v == x.max() else ''
                for v in x]

df2.style.apply(highlight_max,axis=0,subset=['V1'])

在这种情况下，它将突出显示“V1”列中的最大值。根据组级别，我基本上想要两个最大值。所以我想强调价值观。有没有简单的方法呢？没有一个介绍材料涵盖这个基本功能。

Answer 1

您需要为设置样式返回DataFrame种颜色。因此，需要创建具有相同索引的新df和具有默认值的列 - 此处为空字符串，然后按GroupBy.transform创建的条件更改值，并按eq（==进行比较）：

def highlight_max(x): 
   c1 = 'background-color: yellow'
   c2 = '' 
   m = x.groupby(level=0)['V1'].transform('max').eq(x['V1'])

   df1 = pd.DataFrame(c2, index=x.index, columns=x.columns)
   df1.loc[m, 'V1'] = c1
   return df1

df2.style.apply(highlight_max,axis=None)