在Chrome或Edge中，大型数据框中的所有行均未显示熊猫样式

更新：

• 问题似乎在于在 Google Chrome 和 Microsoft Edge 中显示带有 Pandas 呈现的样式的 HTML。




• Firefox 中的 JupyterLab 正确显示所有样式行并正确呈现输出 HTML 文件。




• 更新的问题是

  
  
  1. 为什么pandas 渲染的HTML 不能完全显示Chrome 或Edge 中的所有样式？
  
  
  2. 有没有更有效的方法来应用 Pandas 完成的样式，以便 HTML 也适用于 Chrome 和 Edge？
  
  
  
  



• 版本：

  
  
  • pandas v1.2.4
  
  
  • Chrome v90.0.4430.93 (Official Build) (64-bit)
  
  
  • Edge v90.0.818.56 (Official build) (64-bit)
  
  
  
  

• 问题 - 它们是相互关联的：
  
  
  
  1. 为什么不是所有行都在 Jupyter 中显示背景样式或写入 HTML？
     
     
     
     • 所有行都应具有绿色样式，但最后 5 行不显示样式。
     
     
     
     
  
  
  2. 如何使所有行显示背景样式？
  
  
  
  


• 给定一个大数据框，在这种情况下474 rows x 35 columns，应用的样式停止显示。
  
  
  
  
  
  
  


• 如果行数或列数增加超过此大小，则不会显示更多行。


• 我们可以从样式映射中看到，行已正确映射到背景颜色，但未显示。
  
  
  
  
  
  
  


• 如果行数或列数减少，则所有行都显示正确的样式。


• 测试在 jupyterlab v3.0.11


• PyCharm 2021.1 (Professional Edition) Build #PY-211.6693.115, built on April 6, 2021将重新渲染的样式器保存到文件中进行了测试，结果相同，因此这不仅仅是jupyter.


• 在控制台中测试


• 这个问题可以在我尝试过的两个不同系统上重现。


• 如果形状缩小为471 rows × 35 columns或474 rows × 34 columns，则所有行都会正确显示突出显示。


• 相关的熊猫错误报告：40913

可重现的数据帧

import pandas as pd
import numpy as np
from faker import Faker # conda install -c conda-forge faker or pip install Faker
# for fake names
fake = Faker()
# test data
np.random.seed(365)
rows = 11000
# change 36 or 158 to test where the rows stop appearing
vals = {f'val{i}': np.random.randint(1, 11, size=(rows)) for i in range(1, 36)}
data = {'name': np.random.choice([fake.unique.name() for i in range(158)], size=rows),
'cat': np.random.randint(1, 4, size=(rows))}
data.update(vals)
df = pd.DataFrame(data)
# used to create the mask for the background color
mean = df.groupby('cat').mean().round(2)
# calculate the mean for each name and cat
cat_mean = df.groupby(['name', 'cat']).mean()
def color(x):
"""Function to apply background color"""
c1 = 'background-color: green'
c = ''
# compare columns
mask1 = x.gt(mean)
# DataFrame with same index and columns names as original filled empty strings
df1 = pd.DataFrame(c, index=x.index, columns=x.columns)
# modify values of df1 column by boolean mask
df1[mask1] = c1
display(df1)
return df1
# Last line in notebook displays the styled dataframe
cat_mean.style.apply(color, axis=None)
# Last line in PyCharm saving rendered styler to file - comment out when in Jupyter
cm = cat_mean.style.apply(color, axis=None).set_precision(3).render()
# save the output to an html file
with open('cm_test.html', 'w') as f:
f.write(cm)


参考

• 应用背景颜色的函数引用了此答案。


• 这个问题类似，但没有答案。

输出 pd.show_versions()

• None未显示所有包以节省空间

INSTALLED VERSIONS
------------------
commit : f2c8480af2f25efdbd803218b9d87980f416563e
python : 3.8.8.final.0 or 3.9.2.final.0
python-bits : 64
OS : Windows
OS-release : 10
Version : 10.0.19041
machine : AMD64
processor : Intel64 Family 6 Model 60 Stepping 3, GenuineIntel
byteorder : little
LOCALE : English_United States.1252
pandas : 1.2.3 or 1.2.4
numpy : 1.19.2
pytz : 2021.1
dateutil : 2.8.1
pip : 21.0.1
setuptools : 52.0.0.post20210125
Cython : 0.29.22
pytest : 6.2.3
sphinx : 3.5.3
xlsxwriter : 1.3.8
lxml.etree : 4.6.3
html5lib : 1.1
jinja2 : 2.11.3
IPython : 7.22.0
pandas_datareader: 0.9.0
bs4 : 4.9.3
bottleneck : 1.3.2
fsspec : 0.9.0
matplotlib : 3.3.4
numexpr : 2.7.3
openpyxl : 3.0.7
scipy : 1.6.2
sqlalchemy : 1.4.5
tables : 3.6.1
tabulate : 0.8.9
xlrd : 2.0.1
xlwt : 1.3.0
numba : 0.53.1


INSTALLED VERSIONS
------------------
commit : f2c8480af2f25efdbd803218b9d87980f416563e
python : 3.8.8.final.0 or 3.9.2.final.0
python-bits : 64
OS : Windows
OS-release : 10
Version : 10.0.19041
machine : AMD64
processor : Intel64 Family 6 Model 60 Stepping 3, GenuineIntel
byteorder : little
LOCALE : English_United States.1252
pandas : 1.2.3 or 1.2.4
numpy : 1.19.2
pytz : 2021.1
dateutil : 2.8.1
pip : 21.0.1
setuptools : 52.0.0.post20210125
Cython : 0.29.22
pytest : 6.2.3
sphinx : 3.5.3
xlsxwriter : 1.3.8
lxml.etree : 4.6.3
html5lib : 1.1
jinja2 : 2.11.3
IPython : 7.22.0
pandas_datareader: 0.9.0
bs4 : 4.9.3
bottleneck : 1.3.2
fsspec : 0.9.0
matplotlib : 3.3.4
numexpr : 2.7.3
openpyxl : 3.0.7
scipy : 1.6.2
sqlalchemy : 1.4.5
tables : 3.6.1
tabulate : 0.8.9
xlrd : 2.0.1
xlwt : 1.3.0
numba : 0.53.1


解决方法

拆分数据帧

• 这令人不满意，但是拆分 DataFrame 并应用样式会起作用，因为如果减小了整体大小。

保存到 Excel

• 保存到 Excel 时，所有行均以突出显示颜色正确显示

cat_mean.iloc[:237, :].style.apply(color, axis=None)
cat_mean.iloc[237:, :].style.apply(color, axis=None)