如何替换DataFrame列值且保留原有样式（aEV与aEV_percentile）

核心是把样式计算的数据源和最终显示的文本值拆分开：样式依然基于原始aEV_percentile列的数值生成背景渐变，但让该列显示aEV列的内容。

完整代码示例 #

import matplotlib.colors
import pandas as pd

# 假设 players_data_df 是你的原始数据DataFrame
gradient = matplotlib.colors.LinearSegmentedColormap.from_list("", ['blue', 'white', '#f81707'])

# 1. 先按原逻辑设置好所有列的背景样式
data_style = players_data_df.style.format(mapper) \
    .background_gradient(subset=['aEV'], cmap=gradient,
                         vmin=players_data_df.aEV.min(),
                         vmax=players_data_df.aEV.max()) \
    .background_gradient(subset=['aEV_percentile'], cmap=gradient,
                         vmin=players_data_df.aEV_percentile.min(),
                         vmax=players_data_df.aEV_percentile.max())

# 2. 自定义格式化函数，让aEV_percentile列显示aEV的值
def show_aEV(row):
    return row['aEV']

# 给aEV_percentile列应用这个格式化规则，只改显示内容，不动样式计算的数据源
data_style = data_style.format(show_aEV, subset=['aEV_percentile'], na_rep='-')

# 输出带样式的表格
data_style

为什么之前的方法失效？ #

直接修改data_style.data['aEV_percentile']会替换Styler内部的数据源，渲染时会基于新的aEV值重新计算背景渐变，自然就丢了原来的百分位样式。而用format方法只是改变单元格显示的文本，不会触动样式计算依赖的原始数据，所以能保留之前设置的背景颜色。

内容的提问来源于stack exchange，提问作者Ivan J.