MENU

pandas – テーブルのスタイル変更 まとめ

pandas
pandas Python
  1. ホーム
  2. Python
  3. pandas
  4. pandas – テーブルのスタイル変更 まとめ
目次
  1. 概要
  2. スタイルを適用する範囲を設定する
    1. 特定の列
    2. 特定の行
  3. 複数のスタイルを適用する場合
  4. セルの強調表示ルール
    1. 値に応じて強調する
    2. 重複する値を強調する
    3. 一意な値を強調する
  5. 値の順位に応じて強調する
  6. データバー
  7. カラースケール
  8. 書式
    1. 小数点以下の桁数
    2. パーセント表示
  9. 欠損値の表記
  10. 列の幅
  11. CSS をカスタマイズする

概要

Excel の条件付き書式による色分けを pandas で実現する方法をまとめました。

スタイルを適用する範囲を設定する

特定の列

In [1]: 
import numpy as np
import pandas as pd
from IPython.display import display, HTML

df = pd.DataFrame(
    [[0, 1, 2], [3, 4, 5], [6, 7, 8]], index=["a", "b", "c"], columns=["A", "B", "C"],
)
css = {"background-color": "green"}

# A 列
display(df.style.set_properties(subset="A", **css))

# A 列と C 列
display(df.style.set_properties(subset=["A", "C"], **css))

# A ~ C 列
display(df.style.set_properties(subset=pd.IndexSlice[:, "A":"B"], **css))
Python
A B C
a 0 1 2
b 3 4 5
c 6 7 8
A B C
a 0 1 2
b 3 4 5
c 6 7 8
A B C
a 0 1 2
b 3 4 5
c 6 7 8

特定の行

In [2]: 
# a 行
display(df.style.set_properties(subset=pd.IndexSlice["a", :], **css))

# a 行と c 行
display(df.style.set_properties(subset=pd.IndexSlice[["a", "c"], :], **css))

# a 行 ～ c 行
display(df.style.set_properties(subset=pd.IndexSlice["a":"b", :], **css))
Python
A B C
a 0 1 2
b 3 4 5
c 6 7 8
A B C
a 0 1 2
b 3 4 5
c 6 7 8
A B C
a 0 1 2
b 3 4 5
c 6 7 8

複数のスタイルを適用する場合

Styler オブジェクトの関数は返り値として Styler オブジェクトを返すので、複数のスタイルを適用する場合は連続して呼び出します。

In [3]: 
style = df.style.set_properties(**{"background-color": "gray"})
style = style.set_properties(**{"color": "white"})

style
Python
A B C
a 0 1 2
b 3 4 5
c 6 7 8

セルの強調表示ルール

値に応じて強調する

内容 条件の例
次の値の間 lambda x: 3 <= x <= 5
次の値の間以外 lambda x: not 3 <= x <= 5
次の値に等しい lambda x: x == 3
次の値に等しくない lambda x: x != 3
次の値より大きい lambda x: x > 3
次の値より小さい lambda x: x < 3
次の値以上 lambda x: x >= 3
次の値以下 lambda x: x <= 3
In [4]: 
df = pd.DataFrame(
    [
        [11, 0, 15, 4, 5],
        [2, 12, 10, 8, 16],
        [17, 24, 14, 13, 23],
        [19, 6, 18, 2, 7],
        [3, 9, 20, 21, 1],
    ],
    index=["a", "b", "c", "d", "e"],
    columns=["A", "B", "C", "D", "E"],
)

css = "background-color: green"
df.style.where(lambda x: x == 2, css, "")
Python
A B C D E
a 11 0 15 4 5
b 2 12 10 8 16
c 17 24 14 13 23
d 19 6 18 2 7
e 3 9 20 21 1

重複する値を強調する

In [5]: 
df = pd.DataFrame(
    [[1, 2, 1], [1, 3, 2], [2, 3, 3],], index=["a", "b", "c"], columns=["A", "B", "C"]
)

css = "background-color: green"


def highlight_duplicated(s):
    return [css if x else "" for x in s.duplicated(keep=False)]


# 列ごと見たとき、重複している値を強調する
display(df.style.apply(highlight_duplicated, axis=0))

# 行ごと見たとき、重複している値を強調する
display(df.style.apply(highlight_duplicated, axis=1))
Python
A B C
a 1 2 1
b 1 3 2
c 2 3 3
A B C
a 1 2 1
b 1 3 2
c 2 3 3

一意な値を強調する

In [6]: 
df = pd.DataFrame(
    [[1, 2, 1], [1, 3, 2], [2, 3, 3],], index=["a", "b", "c"], columns=["A", "B", "C"]
)

css = "background-color: green"


def highlight_unique(s):
    return ["" if x else css for x in s.duplicated(keep=False)]


# 列ごと見たとき、一意な値を強調する
display(df.style.apply(highlight_unique, axis=0))

# 行ごと見たとき、重一意な値を強調する
display(df.style.apply(highlight_unique, axis=1))
Python
A B C
a 1 2 1
b 1 3 2
c 2 3 3
A B C
a 1 2 1
b 1 3 2
c 2 3 3

値の順位に応じて強調する

In [7]: 
df = pd.DataFrame(
    [
        [11, 0, 15, 4, 5],
        [2, 12, 10, 8, 16],
        [17, 24, 14, 13, 23],
        [19, 6, 18, 2, 7],
        [3, 9, 20, 21, 1],
    ],
    index=["a", "b", "c", "d", "e"],
    columns=["A", "B", "C", "D", "E"],
)

css = "background-color: green"


def highlight_topk(s, n):
    return [css if x <= n else "" for x in s.rank(ascending=False)]


def highlight_bottomk(s, n):
    return [css if x <= n else "" for x in s.rank(ascending=True)]


def highlight_topk_percentile(s, q=0.9):
    q = s.quantile(q)
    return [css if x >= q else "" for x in s]


def highlight_bottomk_percentile(s, q=0.1):
    q = s.quantile(q)
    return [css if x <= q else "" for x in s]


# 上位2個
display(df.style.apply(highlight_topk, n=2))

# 下位2個
display(df.style.apply(highlight_bottomk, n=2))

# 上位10%
display(df.style.apply(highlight_topk_percentile, axis=0))

# 下位10%
display(df.style.apply(highlight_bottomk_percentile, axis=0))
Python
A B C D E
a 11 0 15 4 5
b 2 12 10 8 16
c 17 24 14 13 23
d 19 6 18 2 7
e 3 9 20 21 1
A B C D E
a 11 0 15 4 5
b 2 12 10 8 16
c 17 24 14 13 23
d 19 6 18 2 7
e 3 9 20 21 1
A B C D E
a 11 0 15 4 5
b 2 12 10 8 16
c 17 24 14 13 23
d 19 6 18 2 7
e 3 9 20 21 1
A B C D E
a 11 0 15 4 5
b 2 12 10 8 16
c 17 24 14 13 23
d 19 6 18 2 7
e 3 9 20 21 1

データバー

In [8]: 
df = pd.DataFrame(
    {
        "A": [132, -107, -162, 96, 145, -133, 12, 35, 168, -12],
        "B": [0, -143, 21, 10, 105, 56, 120, 103, -132, 63],
        "C": [-31, 56, 67, 0, 16, 139, 0, -38, 142, -58],
    }
)

df.style.bar(color=["red", "green"], align="mid")
Python
A B C
0 132 0 -31
1 -107 -143 56
2 -162 21 67
3 96 10 0
4 145 105 16
5 -133 56 139
6 12 120 0
7 35 103 -38
8 168 -132 142
9 -12 63 -58

カラースケール

In [9]: 
df.style.background_gradient()
Python
A B C
0 132 0 -31
1 -107 -143 56
2 -162 21 67
3 96 10 0
4 145 105 16
5 -133 56 139
6 12 120 0
7 35 103 -38
8 168 -132 142
9 -12 63 -58

書式

小数点以下の桁数

In [10]: 
df = pd.DataFrame(
    [
        [0.38, 0.51, 0.19, 0.79, 0.38],
        [0.0, 0.75, 0.85, 0.33, 0.87],
        [0.66, 0.76, 0.0, 0.61, 0.5],
        [0.94, 0.16, 0.28, 0.07, 0.82],
        [0.73, 0.04, 0.14, 0.24, None],
    ],
    index=["a", "b", "c", "d", "e"],
    columns=["A", "B", "C", "D", "E"],
)

df.style.set_precision(2)
Python
A B C D E
a 0.38 0.51 0.19 0.79 0.38
b 0.00 0.75 0.85 0.33 0.87
c 0.66 0.76 0.00 0.61 0.50
d 0.94 0.16 0.28 0.07 0.82
e 0.73 0.04 0.14 0.24 nan

パーセント表示

In [11]: 
df.style.format("{:.0%}")
Python
A B C D E
a 38% 51% 19% 79% 38%
b 0% 75% 85% 33% 87%
c 66% 76% 0% 61% 50%
d 94% 16% 28% 7% 82%
e 73% 4% 14% 24% 82%

欠損値の表記

In [12]: 
df.style.format("{:.0%}", na_rep="-")
Python
A B C D E
a 38% 51% 19% 79% 38%
b 0% 75% 85% 33% 87%
c 66% 76% 0% 61% 50%
d 94% 16% 28% 7% 82%
e 73% 4% 14% 24% –

列の幅

In [13]: 
df = pd.DataFrame(
    [
        [0.38, 0.51, 0.19, 0.79, 0.38],
        [0.0, 0.75, 0.85, 0.33, 0.87],
        [0.66, 0.76, 0.0, 0.61, 0.5],
        [0.94, 0.16, 0.28, 0.07, 0.82],
        [0.73, 0.04, 0.14, 0.24, None],
    ],
    index=["a", "b", "c", "d", "e"],
    columns=["A", "B", "C", "D", "E"],
)

# 各列の幅
widths = {"A": "60px", "B": "70px", "C": "80px", "D": "90px", "E": "100px"}

style = df.style.set_precision(2)
for col, width in widths.items():
    style = style.set_properties(subset=col, **{"width": width})
style
Python
A B C D E
a 0.38 0.51 0.19 0.79 0.38
b 0.00 0.75 0.85 0.33 0.87
c 0.66 0.76 0.00 0.61 0.50
d 0.94 0.16 0.28 0.07 0.82
e 0.73 0.04 0.14 0.24 nan

CSS をカスタマイズする

  • set_properties(): 各セルに一律に適用する CSS
  • set_table_styles(): 各セルに個別に適用する CSS
In [14]: 
df = pd.read_csv("https://git.io/JJlHw")

table_css = [
    # ヘッダの CSS
    {
        "selector": "th",
        "props": [
            ("background-color", "#00557F"),
            ("color", "white"),
            ("border", "1px solid #006699"),
        ],
    },
    # ボディの CSS
    {
        "selector": "td",
        "props": [
            ("background-color", "#E1EEF4"),
            ("color", "#00557F"),
            ("border", "1px solid #006699"),
        ],
    },
]

style = df.head().style
style = style.set_precision(2).set_table_styles(table_css)
style
Python
total_bill tip sex smoker day time size
0 16.99 1.01 Female No Sun Dinner 2
1 10.34 1.66 Male No Sun Dinner 3
2 21.01 3.50 Male No Sun Dinner 3
3 23.68 3.31 Male No Sun Dinner 2
4 24.59 3.61 Female No Sun Dinner 4
pandas
pandas Python

コメント

コメントする

目次
  1. 概要
  2. スタイルを適用する範囲を設定する
    1. 特定の列
    2. 特定の行
  3. 複数のスタイルを適用する場合
  4. セルの強調表示ルール
    1. 値に応じて強調する
    2. 重複する値を強調する
    3. 一意な値を強調する
  5. 値の順位に応じて強調する
  6. データバー
  7. カラースケール
  8. 書式
    1. 小数点以下の桁数
    2. パーセント表示
  9. 欠損値の表記
  10. 列の幅
  11. CSS をカスタマイズする