具有多索引的Pandas样式对象
具有多索引的Pandas样式对象
提问于 2017-01-19 17:30:07
我正在用样式器格式化一个熊猫数据帧，以突出显示列和格式化数字。我还想应用多个索引，以便更清晰，更愉快，更容易阅读。由于我将Styler应用于列的子集，因此它不适用于多索引。
示例：
arrays = [np.hstack([['One']*2, ['Two']*2]) , ['A', 'B', 'C', 'D']]
columns = pd.MultiIndex.from_arrays(arrays)
data = pd.DataFrame(np.random.randn(5, 4), columns=list('ABCD'))
data.columns = columns
import seaborn as sns
cm = sns.light_palette("green", as_cmap=True)
data.style.background_gradient(cmap=cm, subset=['A'])有没有一种方法可以子集这些列，以便样式器可以工作。根据以下来源，这是实现的，但没有示例，所以我很难理解如何应用它：http://pandas.pydata.org/pandas-docs/stable/generated/pandas.formats.style.Styler.html https://github.com/pandas-dev/pandas/issues/11655
谢谢！
回答 4
Stack Overflow用户
发布于 2017-01-19 17:53:09
我认为你可以使用pd.IndexSlice[...]方法：
data.style.background_gradient(cmap=cm, subset=pd.IndexSlice[:, pd.IndexSlice[:, 'A']])演示：
In [5]: data.loc[pd.IndexSlice[:, pd.IndexSlice[:, 'A']]]
Out[5]:
One
A
0 -0.808483
1 0.009371
2 0.977138
3 -0.875554
4 -0.052424
In [6]: data
Out[6]:
One Two
A B C D
0 -0.808483 -2.280683 0.576145 0.649688
1 0.009371 0.721510 1.013764 -0.157493
2 0.977138 1.441392 1.718618 -0.320826
3 -0.875554 -1.060507 1.457075 0.570195
4 -0.052424 -0.742842 -0.203830 -1.202091在Jupyter：
Stack Overflow用户
发布于 2019-07-23 03:23:40
下面是另一种方法：
data.style.background_gradient(cmap=cm, subset=data.columns.get_loc_level('A', level=1)[0])输出：
Stack Overflow用户
发布于 2019-06-02 11:26:03
如果你知道索引的层次结构，例如'A‘在'One’下，你可以使用一个元组来引用该列。
data.style.background_gradient(cmap=cm, subset=[('One','A')])然后，该表将显示如上。
如果要使用多索引设置多个列的样式，则需要提供元组列表(即
arrays = [np.hstack([['One']*2, ['Two']*2]) , ['A', 'B', 'C', 'D']]
columns = pd.MultiIndex.from_arrays(arrays)
data = pd.DataFrame(np.random.randn(5, 4), columns=list('ABCD'))
data.columns = columns
cm = sns.light_palette("green", as_cmap=True)
data.style.background_gradient(cmap=cm, subset=[('One','A'),('Two','C')])显示如下所示
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/41738175
复制相关文章
相似问题
腾讯云开发者
