具有多索引的 Pandas 样式对象答案

【问题标题】：Pandas style object with multi-index具有多索引的 Pandas 样式对象
【发布时间】：2017-06-03 22:31:40
【问题描述】：

我正在使用 styler 格式化 pandas 数据框以突出显示列和格式化数字。我也想应用多索引更清晰，愉快和易于阅读。由于我将 Styler 应用于列的子集，因此它不适用于多索引。

例子：

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'])

有没有办法对列进行子集化，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！

【问题讨论】：

标签： python pandas styles subset multi-index

【解决方案1】：

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 中：

【讨论】：

非常感谢！我自学了如何分割多指数。我在 pandas 中忽略了一些东西。
我在 Pandas 0.24.2 上收到 TypeError: unhashable type: slice :(
@krubo，对于 same 数据集，您是否收到此错误？
是的，我有 import pandas as pd 然后是 import numpy as np 然后是 OP 的代码（最后一行除外），然后是你的答案行，我得到了错误。同时，cabbagetreecustard 的答案工作正常，但使我的代码混乱，因为我不提前知道层次结构。
我可以知道如何在单元格周围制作框架吗？其他人的回答没有显示那些框架

【解决方案2】：

如果您知道索引的层次结构是什么，例如“A”在“One”下，您可以使用元组来引用该列。

data.style.background_gradient(cmap=cm, subset=[('One','A')])

然后表格会如上所示。

如果您想用多索引设置多个列的样式，您需要提供一个元组列表，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')])

这样显示

【讨论】：

【解决方案3】：

这里是另一种方式：

data.style.background_gradient(cmap=cm, subset=data.columns.get_loc_level('A', level=1)[0])

输出：

【讨论】：

是的，这适用于我在 Pandas 0.24.2 和 Python 3.6.8 上。谢谢！

【解决方案4】：

对于原始问题：

data.style.background_gradient(cmap=cm,
                               subset=[c for c in data.columns if c[1] == 'A'])

您可以检查一些条件，例如子字符串：

data.style.background_gradient(cmap=cm,
                               subset=[c for c in data.columns if 'T' in c[0]])

或者传递一个子列列表：

data.style.background_gradient(cmap=cm, 
                               subset=[c for c in data.columns if c[1] in ('A', 'C')])

【讨论】：