df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
s = df.style
print(s,type(s))
#<pandas.io.formats.style.Styler object at 0x000001CD7B409710> <class 'pandas.io.formats.style.Styler'>

# 将小于0.2的值字体设置为红色，否则设置为黑色
df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
def lt_red(val):if val<0.2:color = 'red'else:color = 'black'
#     print(color)return ('color:%s'%color)
df.style.applymap(lt_red)

# 将A、C、D列中的每一列最大值背景颜色填充为黄色
def highlight_max(s):is_max = s == s.max()l = []for v in is_max:if v:l.append('background-color:yellow')else:l.append('')
#     print(l)return l
df.style.apply(highlight_max,axis = 1,subset = ['A','C','D'])

# 对索引为2-5行，列为A、C、D中的每一列最大值背景颜色填充为黄色
df.style.apply(highlight_max,axis=1,subset = pd.IndexSlice[2:5,['A','B','C']])
## df.loc[2:5,['A','C']].style.apply(highlight_max,axis=1)也可以实现## 上一种方法会显示所有的DataFrame内容，然后对满足条件的行和列做格式处理；而后一种方法是只显示满足条件的行和列，再做格式处理

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
# df.style.format('{:.2%}',subset=['B','C'])  #对所有符合条件的采用一种格式format，整个格式用''括起来
df.style.format({'A':'{:.2f}','B':'{:%}','C':'{:+}','D':'{:.2%}'}) #对不同的列采用不同的format，参数为一个字典，key为列名，value为格式
# A、B、C、D列的格式分别为2位小数、百分数、前面加+号，2位小数的百分数

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
df['B'][2] = np.nan
df.style.highlight_null(null_color='red')

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
df.style.background_gradient(cmap='Reds',axis = 1,low = 0,high = 1,subset = ['A','C','D'])
# 按行处理，最小值对应颜色表中的最浅色，最大值对应颜色表中的最深色，1表示按行处理

df = pd.DataFrame(np.random.rand(5,4),columns=['A','B','C','D'])
df.style.bar(width=100,subset=['A','C','D'],color='lightpink')

df.style.\bar(width=100,subset=['A'],color='lightpink').\highlight_max(axis = 1,color='red').\highlight_min(axis = 1,color='green')
#除最后一行，每一行都以.\结尾