### 如何在 Jupyter Notebook 中使用 Pandas 和其他库制作样式化表格 #### 使用 Pandas 的内置 Styler 方法 Pandas 提供了强大的 `Styler` 接口用于美化 DataFrame 显示效果。通过链式调用多种格式化函数，能够轻松实现复杂样式的应用。 ```python import pandas as pd # 创建示例数据框 df = pd.DataFrame({ '数值': [1, 2, 3], '百分比': [.2, .4, .6], }) # 应用基础样式设置 styled_df = df.style\ .format({'百分比': '{:.0%}'})\ # 百分比列格式化 .set_properties(**{'background-color': '#eef'}) \ # 设置背景颜色 .highlight_max(color='lightgreen') \ # 高亮最大值所在单元格 .bar(subset=['数值'], color='#d65f5f') # 数值列条形图表示 display(styled_df) ``` 上述代码展示了如何利用 Pandas 自带功能快速构建带有简单视觉增强效果的表格[^1]。 #### 结合 IPython.display 实现更丰富的交互体验 为了进一步提升用户体验，在 Jupyter 环境下还可以借助于 IPython.display 模块中的工具： ```python from IPython.display import HTML html_content = """ <table border="1"> <tr><th>项目</th><th>描述</th></tr> <tr style="color:red"><td>A项</td><td>特别重要的信息</td></tr> <tr><td>B项</td><td>常规说明文字</td></tr> </table> """ HTML(html_content) ``` 此方式允许完全自定义 HTML/CSS 样式，适用于需要高度定制化的场景。 #### 利用第三方可视化库 PyECharts 进行图表展示 对于希望获得更加动态直观呈现形式的需求，则可考虑引入专门设计的数据可视化组件如 PyEcharts: ```python from pyecharts.charts import Table from pyecharts.options import ComponentTitleOpts table = Table() headers = ["城市", "面积", "人口"] rows = [ ("北京", 17095, 2171), ("上海", 6340.5, 2428), ] table.add(headers, rows)\ .set_global_opts(title_opts=ComponentTitleOpts(title="中国部分一线城市概况")) table.render_notebook() ``` 这段脚本实现了基于给定数据源生成静态网页片段并嵌入笔记本的功能，支持导出为独立文件分享或发布至 Web 平台[^3]。