如何用Pandas DataFrame Styler实现基于前一行的行着色并隐藏临时列

当然可以！针对你不想显示临时color_result列的需求，这里有两种实用方案：

你原来的逻辑是没问题的，只需要在生成样式后，用hide_columns方法把color_result列隐藏掉就行——它只会参与颜色计算，不会出现在最终的HTML表格里。修改后的代码如下：

import pandas as pd
import numpy as np

def should_colored(sum_of_points):
    if sum_of_points > 2:
        return True
    elif sum_of_points < 2:
        return False
    else:
        return np.NaN

def determine_coloring_for_row(results):
    tmp = pd.DataFrame(results.values, columns=['color_result'])
    tmp['color_result'] = tmp['color_result'].apply(lambda i : should_colored(i))
    tmp['color_result'].fillna(method='ffill', inplace=True)
    return tmp['color_result'].values

def color_row(row, number_of_columns):
    color = 'green' if row['color_result'] else 'red'
    return ['background-color: %s' % color] * number_of_columns

# 假设df是你的数据框，包含sum_of_points列
df['color_result'] = determine_coloring_for_row(df['sum_of_points'])
# 关键：添加hide_columns隐藏临时列
styled_df = df.style.apply(color_row, number_of_columns=len(df.columns), axis=1).hide_columns(['color_result'])

这样生成的表格就只会显示你原本需要的列，临时列被完全隐藏啦。

如果不想引入任何临时列，咱们可以预先计算好每行对应的颜色序列，然后在style.apply的行处理函数里直接使用这个序列。代码示例如下：

import pandas as pd

def generate_color_sequence(sum_points):
    color_seq = []
    prev_color = None
    for point in sum_points:
        if point > 2:
            current_color = 'green'
        elif point < 2:
            current_color = 'red'
        else:
            # 处理第一行就是2分的情况，这里默认用白色，你可以改成你需要的初始色
            current_color = prev_color if prev_color is not None else 'white'
        color_seq.append(current_color)
        prev_color = current_color
    return color_seq

def color_row(row, color_seq):
    # 通过row.name获取当前行的索引，对应颜色序列里的位置
    color = color_seq[row.name]
    return ['background-color: %s' % color] * len(row)

# 生成颜色序列
color_sequence = generate_color_sequence(df['sum_of_points'])
# 应用样式，无需临时列
styled_df = df.style.apply(color_row, color_seq=color_sequence, axis=1)

这个方案直接跳过了临时列的创建，逻辑更紧凑。需要注意的是，如果第一行的sum_of_points是2分，这里默认用白色作为初始颜色，你可以根据需求调整这个默认值。

内容的提问来源于stack exchange，提问作者Clueless