基于百分位数为DataFrame单元格设置背景色

我有一个包含多列多行的时间序列DataFrame df，通过以下代码读取：

df = pd.read_csv('percentiles.csv', index_col=0, parse_dates=True)

df 的最后3行数据如下：

我希望将该DataFrame导出为PDF表格，根据单元格在对应列中的数值高低设置背景色，采用百分位数方案实现。已通过以下代码计算各列的百分位数并生成 df2：

percentiles = [0, 0.1, 0.2, 0.8, 0.9]
df2 = df.quantile(q=percentiles, axis=0)

df2 的内容如下：

同时定义了百分位数与颜色的映射字典：

percentile_color = {0:'red', 0.1: 'orange', 0.2: 'white', 0.8: 'lightgreen', 0.9: 'green'}

我能为单个Series（列）实现该功能，但面对各列百分位数不同的DataFrame时遇到困难，寻求解决方案。

通过逐列处理结合Pandas的Styler类，可为每列单元格匹配对应百分区间的背景色，最终导出为PDF。

步骤1：定义颜色匹配函数 #

针对每一列的百分位数区间，判断单元格数值所属区间并返回对应背景色样式：

def color_by_percentile(val, col_percentiles, color_map):
    # 遍历百分位数阈值，确定数值所在区间
    for i in range(len(col_percentiles)-1):
        lower_q = col_percentiles.index[i]
        upper_q = col_percentiles.index[i+1]
        lower_val = col_percentiles.iloc[i]
        upper_val = col_percentiles.iloc[i+1]
        
        if lower_val <= val < upper_val:
            return f'background-color: {color_map[lower_q]}'
    # 处理大于等于0.9分位数的最大值区间
    if val >= col_percentiles.loc[0.9]:
        return f'background-color: {color_map[0.9]}'
    # 处理小于0分位数的极端情况（理论上不会出现）
    return f'background-color: {color_map[0]}'

步骤2：为整个DataFrame应用样式 #

使用Styler.apply按列传递对应列的百分位数数据，批量设置单元格样式：

# 创建样式对象，按列处理每一列
styled_df = df.style.apply(
    lambda col: [color_by_percentile(x, df2[col.name], percentile_color) for x in col],
    axis=0
)

步骤3：导出为PDF表格 #

可通过以下两种方式导出：

方法1：直接导出PDF（需依赖weasyprint） #

先安装依赖：

pip install weasyprint

然后导出：

styled_df.to_pdf('styled_percentiles.pdf', engine='weasyprint')

方法2：先导出HTML再转PDF（兼容更多工具） #

# 导出为HTML文件
styled_df.to_html('styled_percentiles.html')
# 可使用pdfkit、wkhtmltopdf等工具将HTML转为PDF

补充说明 #

• 函数会按0→0.1→0.2→0.8→0.9→最大值的区间为单元格分配对应颜色，若需调整区间，只需修改percentiles列表和percentile_color字典；
• 若weasyprint安装遇到问题，推荐使用pdfkit配合wkhtmltopdf完成HTML转PDF的操作。

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