如何为Pandas多索引DataFrame指定行列应用样式与格式？

问题分析 #

报错Could not convert "FLAT" with type str: tried to convert to double是因为DataFrame中存在字符串值（如"FLAT"）与数值混存，直接使用background_gradient或format时，无法将字符串转换为数值进行处理。以下是针对需求的分步解决方案：

步骤1：预处理数据（可选但推荐） #

先将目标列中的非数值内容转为NaN，方便后续样式处理：

# 转换(MultiIndex_1, X)列为数值，非数值设为NaN
tt[('MultiIndex_1', 'X')] = pd.to_numeric(tt[('MultiIndex_1', 'X')], errors='coerce')
# 转换(MultiIndex_1, Percentage)列为数值，非数值设为NaN
tt[('MultiIndex_1', 'Percentage')] = pd.to_numeric(tt[('MultiIndex_1', 'Percentage')], errors='coerce')

步骤2：实现指定行列的样式与格式化 #

使用Pandas Style的subset参数精准定位多索引列，结合条件判断跳过非数值单元格：

from matplotlib.colors import LinearSegmentedColormap

# 定义渐变配色
cmap_red_green = LinearSegmentedColormap.from_list(
    name='red_green_gradient', 
    colors=['#F28068','#FFFFFF','#ADF2C7','#4DCA7C']
)

# 应用样式
styled_tt = (tt.style
             # 1. 格式化(MultiIndex_1, X)列为整数格式，跳过NaN/非数值
             .format(lambda x: '{:.0f}'.format(x) if pd.notna(x) else x,
                     subset=pd.IndexSlice[:, ('MultiIndex_1', 'X')])
             # 2. 格式化(MultiIndex_1, Percentage)列为百分比格式，跳过NaN/非数值
             .format(lambda x: '{:.0%}'.format(x) if pd.notna(x) else x,
                     subset=pd.IndexSlice[:, ('MultiIndex_1', 'Percentage')])
             # 3. 仅为百分比列的数值单元格应用红绿色渐变背景
             .background_gradient(cmap=cmap_red_green,
                                 subset=pd.IndexSlice[:, ('MultiIndex_1', 'Percentage')],
                                 mask=tt.loc[:, ('MultiIndex_1', 'Percentage')].isna())
             )

# 输出或保存样式化结果
styled_tt.to_excel('styled_result.xlsx', engine='openpyxl')

关键说明 #

• subset参数：通过pd.IndexSlice精准定位多索引列，避免样式影响无关列。
• 条件格式化：使用lambda判断单元格是否为有效数值，跳过NaN或原字符串内容，避免转换报错。
• mask参数：在background_gradient中标记NaN单元格，这些单元格不会应用渐变背景，仅保留原样式。

内容的提问来源于stack exchange，提问作者Chronicles