pandas.io.formats.style.Styler.highlight_quantile #

造型器。highlight_quantile子集=颜色= '黄色'= 0 q_left = 0.0 q_right = 1.0插值= '线性'包容性= '两者'道具=[来源]

突出显示由具有样式的分位数定义的值。

1.3.0 版本中的新增功能。

参数
子集标签,类似数组,IndexSlice,可选

DataFrame.loc[<subset>]的有效 2d 输入,或者,如果是 1d 输入或单个键,则为DataFrame.loc[:, <subset>],其中列优先,以限制data在应用之前功能。

颜色str,默认'黄色'

用于突出显示的背景颜色。

{0 或 'index', 1 或 'columns', None}, 默认 0

确定和突出显示分位数的轴。如果None分位数是在整个 DataFrame 上测量的。请参阅示例。

q_left浮点型,默认 0

目标分位数范围的左边界,在 [0, q_right) 中。

q_right浮点型,默认 1

目标分位数范围的右边界,在 (q_left, 1] 中。

插值{'线性', '较低', '较高', '中点', '最近'}

传递给分位数估计Series.quantileDataFrame.quantile用于分位数估计的参数。

包容性{'两者', '两者都', '左', '右'}

确定分位数界限是封闭的还是开放的。

props str,默认无

用于突出显示的 CSS 属性。如果props给出,color 则不使用。

返回
造型器

也可以看看

Styler.highlight_null

用样式突出显示缺失值。

Styler.highlight_max

用一种风格突出最大程度。

Styler.highlight_min

用一种风格突出最低限度。

Styler.highlight_between

用样式突出显示定义的范围。

笔记

此函数不适用于str数据类型。

例子

使用axis=None分位数并将其应用于所有集体数据

>>> df = pd.DataFrame(np.arange(10).reshape(2,5) + 1)
>>> df.style.highlight_quantile(axis=None, q_left=0.8, color="#fffd75")
...  
../../_images/hq_axNone.png

或者按行或按列突出显示分位数,在本例中按行突出显示

>>> df.style.highlight_quantile(axis=1, q_left=0.8, color="#fffd75")
...  
../../_images/hq_ax1.png

使用props代替默认背景色

>>> df.style.highlight_quantile(axis=None, q_left=0.2, q_right=0.8,
...     props='font-weight:bold;color:#e83e8c')  
../../_images/hq_props.png