Pandas样式关键字仅支持行列，能否按分组子层级拆分并高亮最大值？

当然可以！针对你按Types和Names分组后的DataFrame，我们完全可以实现按分组子层级拆分处理，精准高亮每个子分组里的最大值。下面一步步来完成这个需求：

第一步：修正并确认分组数据 #

首先注意你原代码里的分组写法有个小问题，pd.groupby(df,['Types','Names']).mean()应该改为df.groupby(['Types','Names']).mean()，不然会抛出语法错误。先完整运行正确的数据准备代码：

import numpy as np
import pandas as pd

np.random.seed(24)
df = pd.DataFrame({'Types': np.linspace(1, 10, 10)})
df = pd.concat([df, pd.DataFrame(np.random.randn(10, 4), columns=['Names','V1','V2','V3'])], axis=1)
df['Types'][0:7] = "Dang"
df['Types'][7:] = "Fang"
df['Names'][0:3] = "Andy"
df['Names'][3:8] = "Flower"
df['Names'][8:] = "Avril"
# 修正分组写法
df2 = df.groupby(['Types','Names']).mean()
df2

运行后得到的df2是一个多级索引的DataFrame，每个层级是Types和Names的组合，我们要针对每个这样的子分组处理最大值高亮。

第二步：自定义分组高亮函数 #

我们需要写一个自定义函数，接收每个子分组的DataFrame，返回对应的样式规则。这里我们把每个子分组中数值列（V1、V2、V3）的最大值单元格标记为黄色背景：

def highlight_group_max(sub_df):
    # 找到当前子分组中V1-V3列的最大值
    max_val = sub_df[['V1','V2','V3']].max().max()
    # 创建样式矩阵，等于最大值的单元格应用黄色背景，其余为空
    style = sub_df.applymap(lambda x: 'background-color: yellow' if x == max_val else '')
    return style

第三步：应用样式到分组数据 #

利用Styler.apply方法，通过groupby参数指定我们的多级分组索引，这样函数会自动遍历每个子分组并应用样式：

styled_df = df2.style.apply(highlight_group_max, axis=None, subset=['V1','V2','V3'], groupby=['Types','Names'])
styled_df

代码说明 #

• axis=None：表示我们要处理整个DataFrame（而非按行或列）
• subset=['V1','V2','V3']：限定只处理数值列，避免影响其他列（这里其实只有数值列，不过显式指定更严谨）
• groupby=['Types','Names']：告诉Styler按这两个层级的分组来逐个处理子数据

运行后，每个(Types, Names)子分组里的最大值单元格都会被黄色背景高亮，完全符合你的需求。

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