Python 拥有多种工具来优化分析数据的外观。其中之一是Styler，本文将对其进行深入探讨。我们将特别缩小范围，了解如何将这些样式从 Python 传输到 Excel 电子表格。
Styler 对象对于格式化和显示数据框非常有效，以至于未经训练的眼睛可能会被欺骗，认为他们正在查看 Excel 电子表格。外观太引人注目了！
当有人告诉我们可以通过添加颜色来定制工作表或单元格或突出显示重要数据或执行类似的操作来满足我们的需求时，我们大多数使用 MS Excel 的人都不会认为这是一个大新闻。本文将解释相同的内容，但通过使用来自 python 的样式器来将 MS Excel 美学弯曲到它的意愿。
造型入门
我们需要使用访问器来揭示 pandas 数据框所有样式属性的潜力。它还有助于修改样式器对象，从而扩展其控制数据框显示方式的细微差别。以下是本文中应尝试的不同样式：
- 突出显示最小值
- 突出显示最大值
- 突出显示空值
- 为表格边框和文本数据着色
- 截断显示的小数
- 隐藏Dataframe的索引
- 将样式写入 Excel
突出显示最小值
df.style.highlight_min() |
上面的代码应用于突出显示任何给定数据集中每一列中的最小值。以下是每列中最小值以黄色突出显示的示例。
突出显示最大值
df.style.highlight_max() |
是时候强调最大值了！上面的代码应用于突出显示任何给定数据集中每列的最大值。以下是一个示例，其中每列中的最大值以黄色突出显示。
突出显示空值
我们处理的并不总是数字数据。有时，一些错误值可能会以文本字符串的形式渗入。该命令将帮助我们重点关注如下所示的内容。
df.style.highlight_null() |
颜色表边框和文本数据
Jupyter Notebook 与 Python 齐头并进。显示为输出的数据帧通常使用 HTML 和 CSS 进行修饰。因此，可以使用“set_properties”和样式来修改表属性，以便设置多个与数据无关的属性。
df.style.set_properties(**{'border': '1.3px solid red', 'color': 'green'}) |
截断小数显示
数据帧不仅仅包含整数。有时，它具有浮点值，其小数点在不知道任何界限的情况下扩展。因此，为了控制小数点后的位数，我们使用set. precision( )，如下所示。
df.style.set_precision(3) |
隐藏数据框索引
索引是数据帧的最前面的列，可用作参考，但并非在所有情况下都如此。因此，如果应该将它们从存在中删除，那么hide_index()就是最佳选择。
df.style.hide_index() |
将样式数据导出到 Excel
人们可以选择上述任何一项更改，也可以使用to_excel函数将所有更改转移到 MS Excel 电子表格的数据中。这是需要做的，一个简单的技巧来实现它——将样式器与 to_excel() 函数结合起来。以下是写入 Excel 文件中的一些样式的组合。
df.style.highlight_min().set_properties(**{'border': '1.3px solid red','color': 'green'}). set_precision(3).to_excel('File.xlsx', engine = 'openpyxl') |
是的！你没看错。组合所有应该完成的样式，然后路由要完成这些更改的文件。请记住将引擎参数声明为openpyxl，我们就可以开始了！
结论
现在我们已经到了本文的结尾，希望它详细说明了如何使用样式器和to_excel( )函数来编辑 Excel 工作表中内容的格式。这是另一篇文章，详细介绍了如何在 Python 中从日期时间中提取日期。AskPython中还有许多其他有趣且内容丰富的文章 ，可能对那些希望提高 Python 水平的人有很大帮助。 Audere est Facere！