如何在Pandas中对比原生列高亮模型列并生成统计状态列

步骤1：新增统计与状态列 #

先处理统计逻辑，筛选所有模型（MODEL）列，计算每行中值小于原生（NATIVE）列的MODEL列数量，再生成状态列：

# 筛选所有以MODEL开头的列（根据实际列名调整匹配规则）
model_cols = df.columns[df.columns.str.startswith('MODEL')]
# 若列名是明确列表，可直接指定：model_cols = ['MODEL1', 'MODEL2', ...]

# 计算每行中MODEL列值 < NATIVE的数量
df['model_less_native_count'] = (df[model_cols] < df['NATIVE']).sum(axis=1)

# 生成状态列：数量<5填done，否则填repeat
df['status'] = df['model_less_native_count'].map(lambda x: 'done' if x < 5 else 'repeat')

步骤2：实现MODEL列高亮 #

编写样式函数，对每行中NATIVE值小于对应MODEL列值的单元格添加浅绿色背景：

def highlight_model_cells(row):
    styles = [''] * len(row)
    native_val = row['NATIVE']
    # 获取所有MODEL列的索引位置
    model_col_indices = [df.columns.get_loc(col) for col in model_cols]
    for idx in model_col_indices:
        if native_val < row.iloc[idx]:
            styles[idx] = 'background-color: lightgreen'
    return styles

# 应用样式
styled_dataframe = df.style.apply(highlight_model_cells, axis=1)

关键说明 #

• 原代码问题：列名含空格/特殊字符时不能直接用x.MODEL 1，需用索引或引号引用；逻辑判断条件错误，需明确对比NATIVE与单个MODEL列的值。
• 大数据量适配：20000行数据使用style.apply(axis=1)会逐行处理，若追求效率，可尝试用向量化方式生成样式矩阵，但上述代码已能满足功能需求。
• 列名匹配：若MODEL列命名规则不是以MODEL开头，需调整model_cols的筛选逻辑。

内容的提问来源于stack exchange，提问作者devranjan