Python pandas.io.formats.style.Styler.highlight_quantile用法及代碼示例

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)

突出顯示由帶有樣式的分位數定義的值。

參數：

subset：標簽，array-like，IndexSlice，可選: 一個有效的二維輸入DataFrame.loc[<subset>], 或者，在 1d 輸入或單鍵的情況下，DataFrame.loc[:, <subset>]列優先級的地方，以限製data到前應用該函數。
color：str，默認 ‘yellow’: 用於突出顯示的背景顏色。
axis：{0 或 ‘index’，1 或 ‘columns’，無}，默認 0: 用來確定和突出分位數的軸。如果在整個 DataFrame 上測量 None 分位數。請參閱示例。
q_left：浮點數，默認 0: 目標分位數範圍的左邊界，在 [0, q_right) 中。
q_right：浮點數，默認 1: 目標分位數範圍的右邊界，位於 (q_left, 1] 中。
interpolation：{‘linear’, ‘lower’, ‘higher’, ‘midpoint’, ‘nearest’}: 傳遞給Series.quantile 或DataFrame.quantile 的參數用於分位數估計。
inclusive：{‘both’, ‘neither’, ‘left’, ‘right’}: 確定分位數邊界是封閉的還是開放的。
props：str，默認無: 用於突出顯示的 CSS 屬性。如果給出props，則不使用color。

self：造型器

注意：

此函數不適用於str dtypes。

例子：

使用 axis=None 並將分位數應用於所有集合數據

>>> 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數，在這種情況下按行

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

使用 props 而不是默認背景顏色

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

相關用法

注：本文由純淨天空篩選整理自pandas.pydata.org大神的英文原創作品 pandas.io.formats.style.Styler.highlight_quantile。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：