本文介绍如何根据每行中特定值（如 'alarm'）出现的次数，为整行设置不同背景色，解决循环应用样式导致全表染色错误的问题，并提供简洁、高效、可复用的 styler 方案。
在使用 Pandas 的 Styler 对 DataFrame 进行条件格式化时，一个常见误区是：试图在循环中多次调用 .style.apply()，这不仅效率低下，还会因样式对象被反复覆盖而导致最终只显示最后一次应用的结果（即整表呈现同一颜色）。正确做法是一次性将样式函数作用于整行（axis=1），让 Styler 自动逐行传入 Series，并在函数内部统一计算该行的 'ALARM' 出现次数，再返回与该行列数等长的样式列表。
以下是推荐的实现方式：
import pandas as pd
import numpy as np
data = {
'A': ['ALARM', 'ALARM', 'krish', 'Peter'],
'B': ['Tom', 'ALARM', 'krish', 'ALARM'],
'C': ['Jack', 'ALARM', 'krish', 'ALARM'],
}
df = pd.DataFrame(data)
def styled_alarms(x):
red = 'background-color: red;'
orange = 'background-color: orange;'
yellow = 'background-color: yellow;'
green = 'background-color: green;'
# 统计当前行中 'ALARM' 的数量
alarm_count = (x == 'ALARM').sum()
# 映射颜色：0→green, 1→yellow, 2→orange, 3→red
color_map = {0: green, 1: yellow, 2: orange, 3: red}
# 返回长度为 len(x) 的样式列表（确保每列都应用对应背景色）
return [color_map.get(alarm_count, green)] * len(x)
# 关键：仅调用一次 apply，且 axis=1（按行处理）
styled_df = df.style.apply(styled_alarms, axis=1)
styled_df✅ 关键要点说明：
- axis=1 表示 Styler 将每一行作为 pd.Series 传入函数，x 即当前行（含索引），因此 (x == 'ALARM').sum() 可直接统计该行 'ALARM' 出现次数；
- return [color] * len(x) 确保返回样式列表长度与行宽一致，避免样式错位或报错；
- 使用字典 color_map 替代嵌套三元表达式，提升可读性与可维护性；
- 切勿在循环中重复调用 df.style.apply() —— 每次调用都会新建 Styler 对象，前序样式丢失。
? 扩展提示：
若需支持更多阈值（如 ≥4 次为深红色），只需扩展 color_map 字典并调整逻辑；若需高亮特定列而非整行，可改用 subset 参数限定列范围；所有样式均兼容 Jupyter Notebook/Lab 实时渲染，无需额外配置。
