Python pandas.io.formats.style.Styler.highlight_quantile用法及代码示例

用法: Styler.highlight_quantile(subset=None, color='yellow', axis=0, q_left=0.0, q_right=1.0, interpolation='linear', inclusive='both', props=None)

突出显示由带有样式的分位数定义的值。

参数：

subset：标签，array-like，IndexSlice，可选: 一个有效的二维输入DataFrame.loc[<subset>], 或者，在 1d 输入或单键的情况下，DataFrame.loc[:, <subset>]列优先级的地方，以限制data到前应用该函数。
color：str，默认 ‘yellow’: 用于突出显示的背景颜色。
axis：{0 或 ‘index’，1 或 ‘columns’，无}，默认 0: 用来确定和突出分位数的轴。如果在整个 DataFrame 上测量 None 分位数。请参阅示例。
q_left：浮点数，默认 0: 目标分位数范围的左边界，在 [0, q_right) 中。
q_right：浮点数，默认 1: 目标分位数范围的右边界，位于 (q_left, 1] 中。
interpolation：{‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}: 传递给Series.quantile 或DataFrame.quantile 的参数用于分位数估计。
inclusive：{‘both’, ‘neither’, ‘left’, ‘right’}: 确定分位数边界是封闭的还是开放的。
props：str，默认无: 用于突出显示的 CSS 属性。如果给出props，则不使用color。

self：造型器

注意：

此函数不适用于str dtypes。

例子：

使用 axis=None 并将分位数应用于所有集合数据

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

或按行或按列突出分位数，在这种情况下按行

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

使用 props 而不是默认背景颜色

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

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.io.formats.style.Styler.highlight_quantile。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：