Цветовое кодирование Pandas отдельных ячеек данных на основе нескольких значений допуска с помощью Python в Jupyter Notebook

Question

Я хотел бы раскрасить отдельные ячейки кадра данных на основе определенных значений допуска, и я попробовал несколько способов сделать это, но по какой-то причине я не могу понять, почему Jupyter Notebook не использует цветовое кодирование моего кадра данных.

Стиль панд: https://pandas.pydata.org/pandas-docs/stable/user_guide/style.html

У меня есть следующая таблица, и я готов перебирать строки: [row, 1: 6] .

|Parameter| Method 1 | Method 2 | Method 3 | Method 4 | Method 5 | Weighing % |

|Parameter 1| **99.6     | 100      | 100      | 99.8     | 100**      | 25         |

|Parameter 2| **0.4      | 0        | 0        | 0.2      | 0**        | 5          |

|Parameter 3| **100      | 100      | 100      | 100      | 100**      | 5          |

|Parameter 4| **1.3      | 1.2      | 1.1      | 0.9      | 1.4**      | 2.5        |

Для каждого параметра есть значения допуска, с которыми следует сравнивать значение в ячейке. На основании сравнения для ячейки будет выбран определенный цвет. Значение ячейки и значения допуска:

values_for_comparison = [cell value, tolerance_1st_min, tolerance_1st_max, tolerance_2nd_min, tolerance_2nd_max, tolerance_3rd_min, tolerance_3rd_max, tolerance_4th_min, tolerance_4th_max, tolerance_5th_min]

В основной программе:

o = 0
rows_length_table3_df = table3_df.shape[0]
p = 1
columns_length_table3 = all_table1s.shape[1]
q = 1

while o < rows_length_table3_df:
    while q < columns_length_table3:
        value = table3_df.iloc[o, p]
        values_for_comparison = [value,
                                 tolerance_values_conclusions_tables_df.iloc[o, 1],
                                 tolerance_values_conclusions_tables_df.iloc[o, 2],
                                 tolerance_values_conclusions_tables_df.iloc[o, 3],
                                 tolerance_values_conclusions_tables_df.iloc[o, 4],
                                 tolerance_values_conclusions_tables_df.iloc[o, 5],
                                 tolerance_values_conclusions_tables_df.iloc[o, 6],
                                 tolerance_values_conclusions_tables_df.iloc[o, 7],
                                 tolerance_values_conclusions_tables_df.iloc[o, 8],
                                 tolerance_values_conclusions_tables_df.iloc[o, 9]]
        table3_df.style.applymap(comparison_conclusions.colors_tables(values_for_comparison), subset = [table3_df.iloc[o, p]])
        p += 1
        q += 1
    p = 1
    q = 1
    o += 1
    values_for_comparison = [None] * 10

exec("table3_df.to_csv(os.path.join(conclusions_folder_path, r'{0}_{1}_Visits_Conclusions_Statistics_Table3.csv'))".format(name_of_the_reference_point_folder, total_number_of_visits_at_the_reference_point))
print(table3_df)

Определение цвета для отдельной ячейки (val) на основе значений допуска (values_for_comparison list[1:]):

def colors_tables(values_for_comparison):
    print('colors_tables')
    def colors_tables_by_val(val, values_for_comparison):
        print('colors_tables_by_val')
        if values_for_comparison[2] < values_for_comparison[1]:
            if val <= values_for_comparison[1] and val >= values_for_comparison[2]:
                color = 'forestgreen'
            elif val < values_for_comparison[3] and val >= values_for_comparison[4]:
                color = 'greenyellow'
            elif val < values_for_comparison[5] and val >= values_for_comparison[6]:
                color = 'yellow'
            elif val < values_for_comparison[7] and val >= values_for_comparison[8]:
                color = 'orange'
            elif val < values_for_comparison[9]:
                color = 'red'
            else:
                color = 'white'
            print(color)

            return 'background-color: {}'.format(color)

        else:
            if val >= 0 and val <= values_for_comparison[2]:
                color = 'forestgreen'
            elif val > values_for_comparison[3] and val <= values_for_comparison[4]:
                color = 'greenyellow'
            elif val > values_for_comparison[5] and val <= values_for_comparison[6]:
                color = 'yellow'
            elif val > values_for_comparison[7] and val <= values_for_comparison[8]:
                color = 'orange'
            elif val > values_for_comparison[9]:
                color = 'red'
            else:
                color = 'white'
            print(color)

            return 'background-color: {}'.format(color)
    val = values_for_comparison[0]
    colors_tables_by_val(val, values_for_comparison)
    return colors_tables_by_val

Цвета не применяются ни к каким ячейкам в основной программе, но цвета печатаются.

Как правильно написать код? И хотя бы эта часть кода:

table3_df.style.applymap(comparison_conclusions.colors_tables(values_for_comparison), subset = [table3_df.iloc[o, p]])

ОБНОВЛЕНИЕ 20190708

Я изменил код на следующий, но все еще не получаю цвета, примененные к table3_df. Цвета напечатаны, хотя:

o = 0
rows_length_table3_df = table3_df.shape[0]
p = 1
columns_length_table3 = all_table1s.shape[1]
q = 1

while o < rows_length_table3_df:
    while q < columns_length_table3:
        values_for_comparison = [tolerance_values_conclusions_tables_df.iloc[o, 1],
                                 tolerance_values_conclusions_tables_df.iloc[o, 2],
                                 tolerance_values_conclusions_tables_df.iloc[o, 3],
                                 tolerance_values_conclusions_tables_df.iloc[o, 4],
                                 tolerance_values_conclusions_tables_df.iloc[o, 5],
                                 tolerance_values_conclusions_tables_df.iloc[o, 6],
                                 tolerance_values_conclusions_tables_df.iloc[o, 7],
                                 tolerance_values_conclusions_tables_df.iloc[o, 8],
                                 tolerance_values_conclusions_tables_df.iloc[o, 9]]
        value = table3_df.iloc[o, p]
        def colors_tables(value):
            val = value
            print('colors_tables')
            if values_for_comparison[1] < values_for_comparison[0]:
                if val <= values_for_comparison[0] and val >= values_for_comparison[1]:
                    color = 'forestgreen'
                elif val < values_for_comparison[2] and val >= values_for_comparison[3]:
                    color = 'greenyellow'
                elif val < values_for_comparison[4] and val >= values_for_comparison[5]:
                    color = 'yellow'
                elif val < values_for_comparison[6] and val >= values_for_comparison[7]:
                    color = 'orange'
                elif val < values_for_comparison[8]:
                    color = 'red'
                else:
                    color = 'white'
                print(color)

                return 'background-color: %s' % color

            else:
                if val >= 0 and val <= values_for_comparison[1]:
                    color = 'forestgreen'
                elif val > values_for_comparison[2] and val <= values_for_comparison[3]:
                    color = 'greenyellow'
                elif val > values_for_comparison[4] and val <= values_for_comparison[5]:
                    color = 'yellow'
                elif val > values_for_comparison[6] and val <= values_for_comparison[7]:
                    color = 'orange'
                elif val > values_for_comparison[8]:
                    color = 'red'
                else:
                    color = 'white'
                print(color)

                return 'background-color: %s' % color
        table3_df.style.applymap(colors_tables(value), subset = (o, p))
        p += 1
        q += 1
    p = 1
    q = 1
    o += 1
    values_for_comparison = [None] * 9

exec("table3_df.to_csv(os.path.join(conclusions_folder_path, r'{0}_{1}_Visits_Conclusions_Statistics_Table3.csv'))".format(name_of_the_reference_point_folder, total_number_of_visits_at_the_reference_point))
print(table3_df)