无需apply()/applymap()，用Multi-Index切片高亮DataFrame的Total行

嘿，我完全懂你的需求——你不想用常规的apply()/applymap()遍历判断，而是想直接通过Multi-Index切片精准定位那些“Total”行来设置样式，这个思路确实更高效精准。下面我给你拆解两种实用的方法，都是围绕索引切片来实现的：

首先假设你的Multi-Index结构类似这样（比如第一层是大类别，第二层是子类别，其中子类别包含“Total”）：

import pandas as pd
import numpy as np

# 构造示例Multi-Index DataFrame
arrays = [
    ['电子产品', '电子产品', '服饰', '服饰'],
    ['手机', 'Total', 'T恤', 'Total']
]
index = pd.MultiIndex.from_tuples(list(zip(*arrays)), names=['大类', '子类'])
df = pd.DataFrame(np.random.randn(4, 3), index=index, columns=['销量', '利润', '库存'])

核心思路是用pd.IndexSlice创建一个能匹配所有“Total”行的切片，然后在样式函数里判断当前行是否属于这个切片范围：

def highlight_total(row):
    # 创建匹配所有Total行的Multi-Index切片
    total_slice = pd.IndexSlice[:, 'Total']
    # 检查当前行索引是否在Total切片对应的索引集合里
    if row.name in df.loc[total_slice].index:
        # 返回样式：浅红背景+红色文字
        return ['background-color: #ffcccc; color: red'] * len(row)
    else:
        return [''] * len(row)

# 应用样式到整个DataFrame
styled_df = df.style.apply(highlight_total, axis=1)
styled_df

如果你的“Total”在Multi-Index的第一层，只需要把切片改成pd.IndexSlice['Total', :]就行，灵活适配不同层级。

如果你想彻底避开逐行判断，直接通过索引定位批量设置样式，这个方法更直接：

# 先通过Multi-Index层级筛选出所有Total行的布尔索引
is_total_row = df.index.get_level_values(1) == 'Total'

# 用subset参数直接指定要设置样式的行（布尔索引）和所有列
styled_df = df.style.set_properties(
    **{'background-color': '#ffcccc', 'color': 'red', 'font-weight': 'bold'},
    subset=(is_total_row, slice(None))  # slice(None)表示所有列
)
styled_df

这个方法的核心是利用Styler的subset参数，它支持传入布尔数组、整数位置或者索引切片。我们通过Multi-Index的get_level_values方法快速筛选出“Total”行的布尔标记，直接传给subset，一步到位完成样式设置，完全符合你想通过索引定位的需求！

关键提示 #

• pd.IndexSlice是处理Multi-Index切片的利器，不管你的索引有多少层级，都能精准定位特定层级的特定值
• 在Mode Analytics里，这个逻辑完全通用，因为Mode的Python环境支持标准的Pandas Styler功能，你只需要把代码里的索引层级和列名换成你自己的即可
• 如果你想设置更复杂的样式（比如边框、字体大小），只需要修改set_properties里的CSS属性就行

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