Python 突出显示基于多个条件的值

我想对等于或超过指导值的值（单元格）进行着色处理（当前在字典中，键（化学符号）：值（指导限值）。我希望它能够处理多组指导原则，并根据超出的最高值指导原则对单元格进行着色。下表显示了所需的输出，指导原则指定了颜色，每个指导原则的超出值指定了相同的颜色

这显示了三种不同指南（ANZECC、WHO和美国环境保护局）对铜、镉、SO4和锌的限值。结果如下（现场1-3），并根据其突出显示（如有）它们超过了指导原则。因此，对于第一个参数，Cu，场地2仅超过美国EPA值，因此为黄色阴影。场地1所有指导原则中最高的是WHO值，因此为蓝色阴影。场地3也超过了所有指导原则，最大值为WHO，因此为蓝色阴影。场地1的Cd超过美国EPA和ANZECC（两者相同）同样是绿色阴影（但可能是耶洛斯阴影，因为美国环境保护局的限制是相同的）。场地2没有超过任何指导方针，因此没有阴影。场地3超过所有指导方针，Cd的最高值是WHO，蓝色阴影也是。以此类推

我可以使用下面的代码根据一条准则对超标进行着色

#示例数据帧
df=pd.DataFrame（{'Cu'：[0.004,0.0017,0.1]，'Cd'：[0.001'，'0.0005'，1]，'SO4'：[700,450,1500]，'Zn'：[0.15'，'0.1'，'0.25']，}））
cols=df.columns

给予

给出：

Out[3]：
镉铜铅硫酸盐锌
ANZECC_FW 0.0002 0.0014 0.0034 1000.0 0 0.008
澳新银行股票0.0100.4000 NaN 1000.0 20.000
CEPA_FW 0.0100 1.0000 0.0050 1000.05.000

然后对指南进行排序并指定颜色，包括：

fill_color={'ANZECC_FW'：'blue'，
"安排":"绿色",，
“ANZECC_股票”：“黄色”}
对于df.columns中的i：
col=df[i]
col=col.sort_值（升序=真）
#打印列，i，列idxmax（）
#打印i
#打印颜色
计数=0
对于col中的val：
如果val>0：
打印i、val、列索引[计数]，填充颜色[列索引[计数]]
计数+=1
其他：
持续

给出：

Cd 0.0002 ANZECC_FW蓝色
Cd 0.01 ANZECC_库存黄色
Cd 0.01 CEPA_FW绿色
铜0.0014 ANZECC_FW蓝色
Cu 0.4 ANZECC_库存黄色
Cu 1.0 CEPA_FW绿色
Pb 0.0034 ANZECC_FW蓝色
铅0.005 CEPA_FW绿色
硫酸盐1000.0 ANZECC_FW蓝色
硫酸盐1000.0 ANZECC_库存黄色
硫酸盐1000.0 CEPA_FW绿色
锌0.008 ANZECC_FW蓝
Zn 5.0 CEPA_FW绿色
锌20.0 ANZECC_库存黄色

---

所以我有了所有的信息，我只需要循环这些信息，以便数据中的每一列（如果单元格值>=列表值，指定填充颜色）都能正常工作，但我一直在思考如何应用这些信息。

看起来这就是你可以做到的：

编辑：

import pandas as pd, numpy as np
data=pd.DataFrame(({'Cd': [0.001,0.0005,1],'Cu':[0.004, 0.0017, 0.1],  'SO4': [700,450,1500],'Zn': [0.15,0.1,0.25],}))

guidelines = {'WHO' :  {'Cd' :0.002 ,'Cu' :0.003 ,'SO4':np.NaN,'Zn' :0.1},
              'ANZECC' : {'Cd' :0.001 ,'Cu' :0.002 ,'SO4':1000.0,'Zn' :0.2},
              'US_EPA' :  {'Cd' :0.001 ,'Cu' :0.0015 ,'SO4':500.0,'Zn' :0.01}
              }
guidelines = pd.DataFrame(guidelines).T

fill_color = {'WHO':'teal','ANZECC': 'red','US_EPA' :'yellow'}

def highlight(x):
  if x.name in guidelines.columns:
    style = []
    guide = guidelines[x.name]
    for i in x:
      condition = (guide<=i)
      _guide = guide[condition]
      try:
        match = _guide.index[np.argmax(np.array(_guide))]
        color = fill_color[match]
        style += [f"background-color: {color}"]
      except:
        style += ['']
    return style
  else:
    return ['']*len(x)

data.style.apply(highlight)

将熊猫作为pd导入，numpy作为np导入
data=pd.DataFrame（{'Cd'：[0.001,0.0005,1]，'Cu'：[0.004,0.0017,0.1]，'SO4'：[7004501500]，'Zn'：[0.15,0.1,0.25]，}））
指南={'WHO'：{'Cd'：0.002，'Cu'：0.003，'SO4'：np.NaN，'Zn'：0.1}，
'ANZECC'：{'Cd'：0.001，'Cu'：0.002，'SO4'：1000.0，'Zn'：0.2}，
‘美国环保署’：{'Cd'：0.001，'Cu'：0.0015，'SO4'：500.0，'Zn'：0.01}
}
指南=pd.DataFrame（指南）.T
填充颜色={'WHO'：'teal'，'ANZECC'：'red'，'US_EPA'：'yellow'}
def突出显示（x）：
如果guidelines.columns中的x.name：
样式=[]
指南=指南[x.name]
对于x中的i：
条件=（指南首先，您的问题中有几个问题：

您的数据不一致：为生成
df
而提供的代码包含一些混合了浮点数的字符串。如果您的数据中确实存在这种情况，那么您应该做的第一件事是将all转换为float：

df=df.apply（pd.to_数值）

您的
指南在整个帖子中都会发生变化。例如：

你从指导方针开始

WHO=  {'Cd' :0.002 ,'Cu' :0.003 ,'SO4':"NaN,'Zn' :0.1}       # string `NaN` again?
ANZECC=  {'Cd' :0.001 ,'Cu' :0.002 ,'SO4':1000.0,'Zn' :0.2}
US_EPA=  {'Cd' :0.001 ,'Cu' :0.0015 ,'SO4':500.0,'Zn' :0.01}

然后，稍后您将构建您的
指南
数据框架，您一定错误地将其命名为
df
，以及：

# no string `NaN`
# Sulphate or SO4
# different standard names
guidelines={"CEPA_FW":  {'Sulphate':1000,'Cd' :0.01 ,'Cu' :1.0 ,'Pb' :0.005 ,'Zn' :5.0}, 
 "ANZECC_Stock":{'Sulphate':1000,'Cd' :0.01,'Cu' :0.4, 'Zn' :20},
 "ANZECC_FW":  {'Sulphate':1000,'Cd' :0.0002 ,'Cu' :0.0014 ,'Pb' :0.0034 ,'Zn' :0.008}}

这与前者完全不同


也就是说，让我们根据您的图片建立一个新的
指南
和
填充颜色
：

guidelines = {'WHO' :  {'Cd' :0.002 ,'Cu' :0.003 ,'SO4':np.NaN,'Zn' :0.1},
              'ANZECC' : {'Cd' :0.001 ,'Cu' :0.002 ,'SO4':1000.0,'Zn' :0.2},
              'US_EPA' :  {'Cd' :0.001 ,'Cu' :0.0015 ,'SO4':500.0,'Zn' :0.01}
              }
guidelines = pd.DataFrame(guidelines).T

fill_color = {'WHO':'teal',
              'US_EPA' :'yellow',
              'ANZECC': 'green'}

下面是函数：

def hightlight(col):
    name = col.name

    # extract the threshold and sort decreasingly
    thresh = guidelines[name].sort_values(ascending=False)

    # compare each value in column to each threshold
    compare = np.greater_equal.outer(col.values, thresh.values)

    # if any threshold is exceeded
    exceed_thresh = compare.any(1)

    # and where it is exceeded
    exceed_idx = np.argmax(compare, axis=1)

    # extract the standards that has is passed
    standards = np.where(exceed_thresh, thresh.index[exceed_idx], '')

    # format strings
    return [f'background-color:{fill_color[s]}' if s else '' for s in standards ]

df.style.apply(hightlight)

输出：

限制的格式是什么？它是另一个数据框？或字典列表？是否可以像图片数据一样使用此格式编辑问题？@jezrael是否更好？是的，限制是字典。抱歉，很忙，但正在工作。没有相同值的首选项，可以作为指导原则。谢谢，这将创建一个新字典“大于条件”并将每一列与此进行比较，但每一列都有一个由“指南”字典定义的指南。不需要“大于条件”库。您的答案也对指南进行了着色，而不是对数据进行着色（问题中的第一个代码框）。如果引用了正确的词典，您的方法可能会起作用。是的，我想我错误地将指导原则假定为您的数据，因此，我添加了另一个
dict
，以演示如何添加条件。让我在代码中添加df，并使用指导原则进行着色！谢谢，您能检查一下这一点吗，我在运行y时没有得到样式化的输出我们的代码。啊哈！您是否收到
np.argmax
（colab上没有显示）的错误？现在，已修复。谢谢。我确实指定了数据可能包含与赏金相关的注释中的NaN或空格。感谢您指出不一致之处，我将修复。您的代码返回错误：NameError:（“名称‘c’未定义）…很抱歉，错过了重构，
c
应该在
return
行中替换为
s
。修复了。如果输入数据的列不在指南中，这会很简单吗？是的，如果名称不在指南中，只需选中
。列：return[']*len（col）
对吗
def hightlight(col):
    name = col.name

    # extract the threshold and sort decreasingly
    thresh = guidelines[name].sort_values(ascending=False)

    # compare each value in column to each threshold
    compare = np.greater_equal.outer(col.values, thresh.values)

    # if any threshold is exceeded
    exceed_thresh = compare.any(1)

    # and where it is exceeded
    exceed_idx = np.argmax(compare, axis=1)

    # extract the standards that has is passed
    standards = np.where(exceed_thresh, thresh.index[exceed_idx], '')

    # format strings
    return [f'background-color:{fill_color[s]}' if s else '' for s in standards ]

df.style.apply(hightlight)