pandas.io.formats.style.Styler.hide

Styler.hide(subset=None, axis=0, level=None, names=False)[source]

Скрыть заголовки всего индекса/колонок или определённые строки/столбцы из отображения.

Введено в версии 1.4.0.

Параметры:

subset:label, массив-подобный объект, IndexSlice, необязательно

Допустимый 1d ввод или единственный ключ вдоль оси в DataFrame.loc[<subset>, :] или DataFrame.loc[:, <subset>] в зависимости от axis, чтобы ограничить data для выбора скрытых строк/столбцов.

axis:{“индекс”, 0, “колонки”, 1}

Применить к индексу или колонкам.

level:int, str, список

Уровень(и) для скрытия в MultiIndex, если скрываются заголовки всего индекса/колонок. Не может быть использован одновременно с subset.

names:bool

Указать, скрывать ли имя(а) уровня(ей) заголовков индекса/колонок в случае, если оно(они) остаются видимыми.

Возвращает:

Styler

Примечания

Предупреждение

Этот метод работает только с методами вывода to_html, to_string и to_latex.

Другие методы вывода, включая to_excel, игнорируют этот метод скрытия и отобразят все данные.

Этот метод имеет несколько функций в зависимости от комбинации аргументов subset, level и names (см. примеры). Аргумент axis используется только для управления тем, к заголовкам строк или столбцов применяется метод:

Комбинации аргументов

subset	level	names	Эффект
None	None	False	Весь индекс оси скрыт полностью.
None	None	True	Скрыты только имена индекса оси.
None	Int, Str, List	False	Полностью скрыты указанные уровни MultiIndex оси.
None	Int, Str, List	True	Уровни MultiIndex оси скрыты полностью, а также имена уровней оставшихся уровней MultiIndex оси.
Подмножество	None	False	Указанные данные строк/столбцов скрыты, но сам индекс оси и имена остаются неизменными.
Подмножество	None	True	Указанные данные строк/столбцов и имена индекса оси скрыты, но сам индекс оси остаётся неизменным.
Подмножество	Int, Str, List	Булево	ValueError: нельзя одновременно использовать subset и level.

Обратите внимание, что этот метод скрывает только идентифицированные элементы, поэтому его можно использовать последовательно для скрытия нескольких элементов.

Примеры

Простое применение для скрытия конкретных строк:

>>> df = pd.DataFrame([[1,2], [3,4], [5,6]], index=["a", "b", "c"])
>>> df.style.hide(["a", "b"])  
     0    1
c    5    6

Скрыть индекс и сохранить значения данных:

>>> midx = pd.MultiIndex.from_product([["x", "y"], ["a", "b", "c"]])
>>> df = pd.DataFrame(np.random.randn(6,6), index=midx, columns=midx)
>>> df.style.format("{:.1f}").hide()  
                 x                    y
   a      b      c      a      b      c
 0.1    0.0    0.4    1.3    0.6   -1.4
 0.7    1.0    1.3    1.5   -0.0   -0.2
 1.4   -0.8    1.6   -0.2   -0.4   -0.3
 0.4    1.0   -0.2   -0.8   -1.2    1.1
-0.6    1.2    1.8    1.9    0.3    0.3
 0.8    0.5   -0.3    1.2    2.2   -0.8

Скрыть конкретные строки в MultiIndex, но сохранить индекс:

>>> df.style.format("{:.1f}").hide(subset=(slice(None), ["a", "c"]))
...   
                         x                    y
           a      b      c      a      b      c
x   b    0.7    1.0    1.3    1.5   -0.0   -0.2
y   b   -0.6    1.2    1.8    1.9    0.3    0.3

Скрыть конкретные строки и индекс через цепочку:

>>> df.style.format("{:.1f}").hide(subset=(slice(None), ["a", "c"])).hide()
...   
                 x                    y
   a      b      c      a      b      c
 0.7    1.0    1.3    1.5   -0.0   -0.2
-0.6    1.2    1.8    1.9    0.3    0.3

Скрыть конкретный уровень:

>>> df.style.format("{:,.1f}").hide(level=1)  
                     x                    y
       a      b      c      a      b      c
x    0.1    0.0    0.4    1.3    0.6   -1.4
     0.7    1.0    1.3    1.5   -0.0   -0.2
     1.4   -0.8    1.6   -0.2   -0.4   -0.3
y    0.4    1.0   -0.2   -0.8   -1.2    1.1
    -0.6    1.2    1.8    1.9    0.3    0.3
     0.8    0.5   -0.3    1.2    2.2   -0.8

Скрыть только имена уровней индекса:

>>> df.index.names = ["lev0", "lev1"]
>>> df.style.format("{:,.1f}").hide(names=True)  
                         x                    y
           a      b      c      a      b      c
x   a    0.1    0.0    0.4    1.3    0.6   -1.4
    b    0.7    1.0    1.3    1.5   -0.0   -0.2
    c    1.4   -0.8    1.6   -0.2   -0.4   -0.3
y   a    0.4    1.0   -0.2   -0.8   -1.2    1.1
    b   -0.6    1.2    1.8    1.9    0.3    0.3
    c    0.8    0.5   -0.3    1.2    2.2   -0.8

Все примеры дают аналогичный эффект с транспонированием в axis="columns".