如何在保留全量数据样式映射的前提下展示DataFrame随机样本？

当你用df.sample(k)抽取随机样本后直接链式调用.style.background_gradient()，样式器只会根据抽样子集计算颜色映射，导致色阶和全量数据的范围不匹配——比如你示例里的0值本该显示白色，结果因为抽样子集的极值范围偏小，变成了红色。

要解决这个问题，核心就是让样式器基于全量数据的极值计算颜色映射，具体操作如下：

• 先获取全量数据中目标列的全局最小/最大值
• 抽样后应用样式时，手动将这两个全局值传入background_gradient的vmin和vmax参数

修改后的代码示例：

import pandas as pd
import numpy as np

# 测试数据
df = pd.DataFrame({
    'device_id': np.random.randint(200, 800, size=1000),
    'normalised_score': np.random.uniform(0, 2, size=1000),
    'severity_level': np.random.randint(-3, 4, size=1000),
})

# 获取全量数据中severity_level列的全局极值
global_min = df['severity_level'].min()
global_max = df['severity_level'].max()

# 抽样后应用样式，传入全局极值确保颜色映射准确
df.sample(5).style.background_gradient(
    subset='severity_level',
    cmap='RdYlGn',
    vmin=global_min,
    vmax=global_max
)

这样设置后，哪怕只展示5行抽样数据，颜色映射依然会基于全量数据的-3到+3范围，0值会正确显示为白色，完全符合你预期的红-白-绿色阶逻辑。

内容的提问来源于stack exchange，提问作者MuhammedYunus