如何为Pandas DataFrame按单列绘制类似Excel条件格式的热图

你要的每列单独应用同色阶热图（类似Excel按列设置条件格式）的效果，有两种常用实现方式：

方案1：Pandas 内置 Styler（最接近Excel效果，支持导出带格式文件） #

这个方案直接复用Pandas自带的样式渲染能力，渲染效果和Excel条件格式完全一致，支持直接在Jupyter中预览，也可导出为带格式的Excel或HTML文件。

import pandas as pd
import numpy as np

# 你的示例DataFrame
df = pd.DataFrame(np.random.randint(0.1, 100, size = 30).reshape(5,6),
columns= ['A','B','C','D','E','F'], index = ['aa','bb', 'cc', 'dd', 'ee'])

# 生成按列着色的热图样式
styled_df = df.style.background_gradient(
    cmap="RdYlGn", # 可自定义颜色梯度，可选'Blues'/'viridis'/'OrRd'等
    axis=0, # 核心参数：axis=0表示按列单独计算颜色映射范围，实现每列独立生效
    vmin=None, vmax=None # 如需使用全局统一的数值映射范围，可手动指定这两个参数
)

# Jupyter环境直接运行变量名styled_df即可预览效果，导出用以下代码：
# styled_df.to_excel("带色阶的表格.xlsx", engine="openpyxl")
# styled_df.to_html("带色阶的表格.html")

方案2：Seaborn heatmap 适配实现 #

适合需要生成静态可视化图片、用于报告或论文的场景，核心逻辑是先对每列做独立的min-max归一化，用归一化后的数据计算颜色，原始数据做标注展示。

import seaborn as sns
import matplotlib.pyplot as plt

# 按列做min-max归一化，用于颜色计算
df_normalized = df.apply(
    lambda x: (x - x.min())/(x.max() - x.min()) if x.max() != x.min() else 0.5, 
    axis=0
)

# 绘制热图
plt.figure(figsize=(7, 3))
sns.heatmap(
    df_normalized, # 用归一化后的数据计算颜色
    annot=df, # 标注展示原始数值
    fmt="g", # 禁用科学计数法显示
    cmap="RdYlGn",
    cbar=True, # 可设置为False隐藏颜色条
    xticklabels=df.columns,
    yticklabels=df.index
)
plt.show()

注意事项 #

如果某列所有数值完全一致，min-max归一化会出现除零错误，上述方案2的lambda函数中已经加了兼容判断，遇到全值相同的列会统一映射到色阶中间值。

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