17

“Pandas 的 DataFrame 提供了強大的樣式功能，可以通過 Styler 對象實現類似 Excel 的條件著色效果。此外，Pandas 內置的繪圖方法支持多種圖表類型，輕松滿足數據可視化需求?！?/p>

1. 表格和樣式

Pandas 的 DataFrame 提供了強大的樣式功能，可以通過 Styler 對象實現類似 Excel 的條件著色效果。以下是關鍵方法和示例：

1.1. ?基礎樣式設置

通過 DataFrame.style 訪問樣式功能，支持鏈式調用：

df.style.set_caption("標題").set_properties(**{'background-color': 'lightgray'})

1.2. ?條件著色

1.2.1. 單列條件著色

def color_negative_red(val):
    color = 'red' if val < 0.2 else 'black'
    return f'color: {color}'
df.style.applymap(color_negative_red)

1.2.2. 多列條件著色

df.style.apply(lambda x: ['background: yellow' if v > 0.2 else '' for v in x], 
                        subset=['A', 'C'])

1.2.3. ?極值高亮

df.style.highlight_max(color='lightgreen').highlight_min(color='pink')

1.2.4. 漸變色背景

df.style.background_gradient(cmap='Blues', subset=['B'])

1.2.5. 條形圖樣式

df.style.bar(subset=['C'], color='#5fba7d')

1.2.6. 自定義表格樣式

headers = {
    'selector': 'th',
    'props': 'background-color: #5e17eb; color: white;'}
df.style.set_table_styles([headers])

1.2.7. 動態條件著色（復雜邏輯）?

def highlight_risk(row):
    # 當A列>90且B列<50時標黃
    return ['background: yellow' if (row['A']>0.3) & (row['B']<0.5) else '' 
            for _ in row]  # 返回與行等長的樣式列表
df.style.apply(highlight_risk, axis=1)  # axis=1表示按行處理

!!! Notes
- 樣式僅在 Jupyter Notebook 或導出為 HTML 時生效，不支持直接修改原始數據。
- 使用 subset 參數可限定著色范圍。
- 漸變色 (background_gradient) 支持調整色域范圍 (low=0.2, high=0.8)。

2. Pandas 內置繪圖功能

在 pandas 中，我們可能有多列數據，還有行標簽和列標簽。pandas 自身就有內置的方法，用于簡化從 DataFrame 和 Series 繪制圖形。

2.1. 線形圖

Series 和 DataFrame 都有一個 plot 屬性，用于繪制基本圖表。默認情況下，plot() 生成的是線形圖。

s = pd.Series(np.random.standard_normal(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()

該 Series 對象的索引會被傳給matplotlib，并用于繪制 x 軸?？梢酝ㄟ^ use_index=False 來禁用索引。x 軸的刻度和界限可以通過 xtick 和 xlim 選項進行調節，y 軸用 yticks 和 ylim 調節。plot 參數的部分列表參見下表：

pandas 的大部分繪圖方法都接收一個可選的 ax 參數，它可以是 matplotlib 的子圖對象，這使你能夠在網格布局中更為靈活地處理子圖的位置。

DataFrame 的 plot 方法將各個列繪制成同一子圖中的線，并自動創建圖例。

df = pd.DataFrame(np.random.standard_normal((10, 4)).cumsum(0),
                  columns=['A', 'B', 'C', 'D'],
                  index=np.arange(0, 100, 10))
plt.style.use('grayscale')
df.plot()

!!! Notes
這里使用了 plt.style.use('grayscale') 將配色模式設置為灰度模式。

對于不同的繪圖類型，plot 屬性包含很多方法。例如，df.plot() 等價于 df.plot.line()。

!!! Notes
plot 的額外關鍵字參數會傳遞給相應的 matplotlib 繪圖函數，所以要更進一步自定義圖表，就必須學習更多有關matplotlib API的知識。

DataFrame 還有一些用于對列進行靈活處理的選項。例如：要將所有列都繪制到同一個子圖中還是分別創建各自的子圖。下表展示了專屬于DataFrame的plot參數：

2.2. 柱狀圖

plot.bar() 和 plot.barh() 分別用于繪制水平柱狀圖和垂直柱狀圖。對于柱狀圖，Series 或 DataFrame 的索引將被用作x軸（bar）或y軸（barh）的刻度。

fig, axes = plt.subplots(2,1)
data = pd.Series(np.random.uniform(size=16), index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0], color='k', alpha=0.7)
data.plot.barh(ax=axes[1], color='k', alpha=0.7)

對于 DataFrame，柱狀圖會將每一行的值分為一組，并排顯示。

df = pd.DataFrame(np.random.uniform(size=(6, 4)),
                  index=["one", "two", "three", "four", "five", "six"],
                  columns=pd.Index(["A", "B", "C", "D"], name="Genus"))
df.plot.bar()

注意，DataFrame 各列的名稱“Genus”被用作圖例標題。

傳入stacked=True即可為DataFrame生成堆積柱狀圖，這樣每行的值就會水平堆積在一起。

df.plot.bar(stacked=True,alpha=0.5)