如何实现Pandas的background_gradient仅对阈值以上单元格着色？

直接使用background_gradient的vmin参数无法实现需求——该参数只是调整颜色映射的最小值范围，小于vmin的单元格会被统一映射到色阶的最低端颜色，而非保留默认样式。要实现仅给值大于11的单元格上色，需要自定义样式函数结合Styler的apply或applymap方法。

方法一：按列自定义样式（apply） #

适合针对整列批量处理，先筛选目标列中符合条件的单元格，再对其应用渐变色彩：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

df = pd.DataFrame({"Values A":[1,2,3,4,5], "Values B":[0,11,12,13,15]})

def highlight_gt11(column):
    # 仅处理Values B列
    if column.name != "Values B":
        return [""] * len(column)
    
    # 筛选值大于11的单元格
    mask = column > 11
    # 获取目标值的范围用于渐变归一化
    filtered_vals = column[mask]
    norm = plt.Normalize(filtered_vals.min(), filtered_vals.max())
    # 选择渐变配色（可替换为plt.cm.Reds、plt.cm.Greens等）
    cmap = plt.cm.Blues
    
    # 生成样式：符合条件的单元格应用渐变，其余保持默认
    return [
        f"background-color: {mpl.colors.rgb2hex(cmap(norm(val)))}" if is_match else ""
        for val, is_match in zip(column, mask)
    ]

# 应用样式
df.style.apply(highlight_gt11, axis=0)

方法二：逐单元格处理（applymap） #

更灵活的逐单元格判断方式，仅对符合条件的单元格上色：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib as mpl

df = pd.DataFrame({"Values A":[1,2,3,4,5], "Values B":[0,11,12,13,15]})

# 先获取Values B列中大于11的值的范围，用于渐变归一化
filtered_vals = df[df["Values B"] > 11]["Values B"]
norm = plt.Normalize(filtered_vals.min(), filtered_vals.max())
cmap = plt.cm.Reds

def highlight_cell(val):
    # 判断是否是Values B列中大于11的值
    if isinstance(val, int) and val > 11:
        color = mpl.colors.rgb2hex(cmap(norm(val)))
        return f"background-color: {color}"
    # 不符合条件的单元格返回默认样式
    return ""

# 仅对Values B列应用样式
df.style.applymap(highlight_cell, subset="Values B")

关键说明 #

• 两种方法都实现了条件筛选+渐变色彩的组合，避免了给所有单元格上色的问题。
• 可通过替换cmap参数调整渐变配色，修改Normalize的参数调整渐变的深浅范围。

内容的提问来源于stack exchange，提问作者Jason