首先，使用sklearn中自带的数据集创建一个DataFrame:

import pandas as pd 
from sklearn.datasets import load_iris 

x=load_iris().data  
x=pd.DataFrame(x,columns=load_iris().feature_names)

y=load_iris().target 
y=pd.DataFrame(y)
 

df=pd.concat([x,y],axis=1)
df.head(10) 

生成DataFrame如下：

‘DataFrame.style.applymap’函数美化满足条件的值

‘applymap’函数是针对DataFrame中满足条件的每个值进行美化的。

# 首先自定义一个函数：大于3的数值用黄色表示，否则用灰色表示
def highlight_value_above10(value):
    color='yellow' if value >3 else 'grey'
    return 'color:{}'.format(color) 

# 通过调用'DataFrame.style.applymap'函数来（作用于表中的每一个数值）美化该表
df.head(10).style.applymap(highlight_value_above10)  

得到结果如下：

‘DataFrame.style.highlight_max突出显示行/列的最大值

# 突出显示每列的最大值
df.head(10).iloc[:,:-1].style.highlight_max(axis=0,color='#0099FF')   

‘DataFrame.style.highlight_min’突出显示行/列的最小值

# 突出显示每列的最小值
df.head(10).iloc[:,:-1].style.highlight_min(axis=0,color='#66CC00')    

‘DataFrame.style.highlight_null’突出显示空值

# 在该DataFrame中创建两个空值，用于下面突出显示空值的测试
df.head(10).iloc[2,2]=np.nan 
df.head(10).iloc[8,3]=np.nan 
df.head(10)


# 使用highlight_null突出显示空值
df.head(10).style.highlight_null() 

上面几个函数中参数’color’的值可以是颜色的英文单词，也额可以是颜色的代码（见颜色代码大全）。