熊猫 style.background_gradient 忽略 NaN

Question

我有以下代码将数据帧转储results到 HTML 表格中，以便TIME_FRAMES根据 seaborn 的颜色图对其中的列进行着色。

import seaborn as sns

TIME_FRAMES = ["24h", "7d", "30d", "1y"]

# Set CSS properties for th elements in dataframe
th_props = [
    ('font-size', '11px'),
    ('text-align', 'center'),
    ('font-weight', 'bold'),
    ('color', '#6d6d6d'),
    ('background-color', '#f7f7f9')
]

# Set CSS properties for td elements in dataframe
td_props = [
    ('font-size', '11px')
]


cm = sns.light_palette("green", as_cmap=True)
s = (results.style.background_gradient(cmap=cm, subset=TIME_FRAMES)
                  .set_table_styles(styles))
a = s.render()
with open("test.html", "w") as f:
    f.write(a)

由此，我收到警告：

/python3.7/site-packages/matplotlib/colors.py:512: RuntimeWarning: 在less xa[xa < 0] = -1 中遇到无效值

而且，正如您在下图中所看到的，列30d和1y无法正确呈现，因为它们具有 NaN。我怎样才能做到这一点，以便忽略 NaN 并且仅使用有效值呈现颜色？将 NaN 设置为 0 不是一个有效的选项，因为这里的 NaN 本身就具有意义。

Answer 1

这对我来说很好用

df.style.applymap(lambda x: 'color: transparent' if pd.isnull(x) else '')

Answer 2

有点晚了，但供以后参考。

我遇到了同样的问题，这是我解决的方法：

import pandas as pd
import numpy as np
dt = pd.DataFrame({'col1': [1,2,3,4,5], 'col2': [4,5,6,7,np.nan], 'col3': [8,2,6,np.nan,np.nan]})

首先在nas填一个大的值

dt.fillna(dt.max().max()+1, inplace=True)

将该最大值的字体着色为白色的函数

def color_max_white(val, max_val):
    color = 'white' if val == max_val else 'black'
    return 'color: %s' % color

将最大值的背景着色为白色的函数

def highlight_max(data, color='white'):
    attr = 'background-color: {}'.format(color)
    if data.ndim == 1:  # Series from .apply(axis=0) or axis=1
        is_max = data == data.max()
        return [attr if v else '' for v in is_max]
    else:  # from .apply(axis=None)
        is_max = data == data.max().max()
        return pd.DataFrame(np.where(is_max, attr, ''),
                            index=data.index, columns=data.columns)

将所有内容放在一起

max_val = dt.max().max()

dt.style.format("{:.2f}").background_gradient(cmap='Blues', axis=None).applymap(lambda x: color_max_white(x, max_val)).apply(highlight_max, axis=None)

这个链接帮助我找到了答案