如何为Pandas Styler按行自定义Gradient的vmin与vmax（基于指定列）

现有如下结构的DataFrame：

Parameter   M1   M2   M3  Relative Vmin  Relative Vmax
0        P1  1.5  3.1  3.0            1.0          100.0
1        P2  2.2  4.1  4.2            2.0            6.0
2        P3  3.2  3.5  3.4            2.5            6.5

需求：

• 为M1、M2、M3列添加背景渐变样式
• 不使用每行测量值自身的最小/最大值，而是用每行对应的Relative Vmin和Relative Vmax作为颜色映射的范围（例如P1的三个测量值相对于1-100的范围都处于较低水平，样式要体现这一点）
• 避免逐行迭代的低效实现方式

示例代码中尝试的axis=1会使用每行测量值的极值，不符合需求：

import pandas as pd
df = pd.DataFrame(data={'Parameter': ['P1', 'P2', 'P3'],
                        'M1': [1.5, 2.2, 3.2],
                        'M2': [3.1, 4.1, 3.5],
                        'M3': [3.0, 4.2, 3.4],
                        'Relative Vmin':[1,2,2.5],
                        'Relative Vmax':[100,6,6.5]})
measurements = ['M1', 'M2', 'M3']
# 不符合需求的实现：用每行测量值自身的极值
df.style.background_gradient(axis=1, subset=measurements)

可以通过矢量化计算归一化值，结合background_gradient的gmap参数实现，无需逐行迭代：

import pandas as pd

df = pd.DataFrame(data={'Parameter': ['P1', 'P2', 'P3'],
                        'M1': [1.5, 2.2, 3.2],
                        'M2': [3.1, 4.1, 3.5],
                        'M3': [3.0, 4.2, 3.4],
                        'Relative Vmin':[1,2,2.5],
                        'Relative Vmax':[100,6,6.5]})
measurements = ['M1', 'M2', 'M3']

# 1. 矢量化计算每行测量值的归一化值：(测量值 - 该行Vmin)/(该行Vmax - 该行Vmin)
# sub(axis=0)实现按行广播，让每行的测量值与该行的Vmin/Vmax计算
norm_values = (df[measurements].sub(df['Relative Vmin'], axis=0) 
               / df['Relative Vmax'].sub(df['Relative Vmin'], axis=0))

# 2. 使用归一化值作为颜色映射依据，固定vmin=0、vmax=1
styled_df = df.style.background_gradient(
    cmap='viridis',  # 可替换为其他颜色映射，如'coolwarm'
    vmin=0,
    vmax=1,
    subset=measurements,
    gmap=norm_values  # 用自定义归一化值替代默认的极值计算
)

# 显示样式化后的DataFrame
styled_df

原理说明 #

• sub(axis=0)：让Relative Vmin和Relative Vmax按行与测量列进行运算，实现每行独立的归一化逻辑
• gmap参数：接受与subset形状一致的DataFrame，直接指定每个单元格的颜色映射值，绕过了默认的基于轴的极值计算
• 这种方法是矢量化操作，性能远高于逐行迭代，适合处理大体积的DataFrame

备选方案（自定义样式函数） #

如果需要更灵活的样式控制，也可以用style.apply实现，但效率略低于矢量化方法：

from matplotlib import cm

def row_gradient(row):
    # 获取当前行的自定义极值
    vmin = row['Relative Vmin']
    vmax = row['Relative Vmax']
    # 计算归一化值
    norm = (row[measurements] - vmin) / (vmax - vmin)
    # 生成CSS背景色样式
    cmap = cm.get_cmap('viridis')
    styles = [f'background-color: rgba{tuple(int(x*255) for x in cmap(n)[:3])}' for n in norm]
    # 返回对应所有列的样式（Parameter、M1-M3、Vmin、Vmax）
    return [''] + styles + ['', '']

# 应用样式
styled_df = df.style.apply(row_gradient, axis=1)

内容的提问来源于stack exchange，提问作者castoridae