上一篇介绍了DataFrame的显现参数，主要是对DataFrame中值进行调整。

本篇介绍DataFrame的显现款式的调整，显现款式主要是对表格自身的调整，
比方色彩，经过色彩能够突出显现重要的值，观察数据时能够更加高效的获取主要信息。

下面介绍一些针对单个数据和批量数据的款式调整方法，让DataFrame的数据信息更加的一目了然。

1. 多列显现格局

每个DataFrame都有个style属性，经过这个属性能够来调整显现的款式。
下面的示例，一次调整多个类型的列的显现。

import pandas as pd
df = pd.DataFrame(
    {
        "日期": ["2022-10-01", "2022-11-11", 
               "2022-12-12", "2023-01-01", "2023-02-02"],
        "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)
df["日期"] = pd.to_datetime(df["日期"])
col_format = {
    "日期": "{:%Y/%m/%d}", 
    "单价": "{:,.2f}", 
    "数量": "{:,} 件"
}
df.style.format(col_format)

1. 日期格局改成用/来分割
2. 单价前加了人民币符号，而且用逗号作为千位分隔符
3. 数量用逗号作为千位分隔符，加了单位 件

调整之后，表格中的内容放入陈述中会更加美观。

2. 布景色款式

除了调整数值的显现款式，更强大的功用是，我们能够调整单元格的色彩。

比方，下面的数据，我们先计算出总价，
然后用红色布景符号出总价最小的订单，用绿色布景符号出总价最大的订单。

df = pd.DataFrame(
    {
        "订单号": ["0001", "0002", 
                "0003", "0004", "0005"],
        "单价": [1099.5, 8790.0, 
               12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)
df["总价"] = df["单价"] * df["数量"]
col_format = {
    "单价": "{:,.2f}",
    "总价": "{:,.2f}",
}
df.style.format(col_format).highlight_min(
    "总价", color="red"
    ).highlight_max(
        "总价", color="lightgreen"
    )

3. 渐变色款式

添加布景色之后，只能看出哪个订单总价最高，哪个订单总价最低。
关于其他的订单，没有直观的印象，所以，下面我们更进一步用渐变色来符号总价列。

总价越高，布景色越深，这样就对所有订单的总价有了直观的印象。

df = pd.DataFrame(
    {
        "订单号": ["0001", "0002", "0003", "0004", "0005"],
        "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)
df["总价"] = df["单价"] * df["数量"]
col_format = {
    "单价": "{:,.2f}",
    "总价": "{:,.2f}",
}
df.style.format(
    col_format
    ).background_gradient(
        subset="总价", cmap="Greens"
    )

4. 条形图款式

再进一步，用条形图+渐变色的方法显现总价信息。
这样，不仅能够看出总价的高低，还能大致看出究竟高了多少。

df = pd.DataFrame(
    {
        "订单号": ["0001", "0002", "0003", "0004", "0005"],
        "单价": [1099.5, 8790.0, 12.55, 10999.0, 999.5],
        "数量": [1, 3, 1200, 4, 5],
    }
)
df["总价"] = df["单价"] * df["数量"]
col_format = {
    "单价": "{:,.2f}",
    "总价": "{:,.2f}",
}
df.style.format(
    col_format
    ).bar(
        subset="总价", cmap="Wistia"
    )

5. 总结回顾

经过pandas自身的款式参数，能够美化剖析的结果，直接用于最后的陈述或许PPT中。

pandas小技巧体系至此暂时告一段落，接下来，准备开始另一个关键的数据剖析库：numpy。