python中matplotlib條件背景顏色的實(shí)現(xiàn)
更新時(shí)間：2019年09月02日 11:27:22 投稿：daisy
這篇文章主要給大家介紹了關(guān)于python中matplotlib條件背景顏色的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家學(xué)習(xí)或者使用python具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起學(xué)習(xí)學(xué)習(xí)吧
如何根據(jù)圖表中沒(méi)有的變量更改折線圖的背景顏色？例如，如果我有以下數(shù)據(jù)幀：
import numpy as np
import pandas as pd
dates = pd.date_range('20000101', periods=800)
df = pd.DataFrame(index=dates)
df['A'] = np.cumsum(np.random.randn(800))
df['B'] = np.random.randint(-1,2,size=800)
如果我做df.A的折線圖，如何根據(jù)該時(shí)間點(diǎn)'B'列的值更改背景顏色？
例如，如果在該日期B = 1，則該日期的背景為綠色。
如果B = 0，則該日期的背景應(yīng)為黃色。
如果B = -1那么背景那個(gè)日期應(yīng)該是紅色的。
添加我最初考慮使用axvline的解決方法，但@jakevdp回答正是看起來(lái)因?yàn)椴恍枰猣or循環(huán)：首先需要添加一個(gè)'i'列作為計(jì)數(shù)器，然后整個(gè)代碼看起來(lái)像：
dates = pd.date_range('20000101', periods=800)
df = pd.DataFrame(index=dates)
df['A'] = np.cumsum(np.random.randn(800))
df['B'] = np.random.randint(-1,2,size=800)
df['i'] = range(1,801)
# getting the row where those values are true wit the 'i' value
zeros = df[df['B']== 0]['i']
pos_1 = df[df['B']==1]['i']
neg_1 = df[df['B']==-1]['i']
ax = df.A.plot()
for x in zeros:
ax.axvline(df.index[x], color='y',linewidth=5,alpha=0.03)
for x in pos_1:
ax.axvline(df.index[x], color='g',linewidth=5,alpha=0.03)
for x in neg_1:
ax.axvline(df.index[x], color='r',linewidth=5,alpha=0.03)
總結(jié)
以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，謝謝大家對(duì)腳本之家的支持。
相關(guān)文章
Queue是python標(biāo)準(zhǔn)庫(kù)中的線程安全的隊(duì)列（FIFO）實(shí)現(xiàn),提供了一個(gè)適用于多線程編程的先進(jìn)先出的數(shù)據(jù)結(jié)構(gòu)，即隊(duì)列，用來(lái)在生產(chǎn)者和消費(fèi)者線程之間的信息傳遞，本文給大家講解Python隊(duì)列Queue的相關(guān)知識(shí)，需要的朋友參考下吧2023-04-04
matplotlib源碼解析標(biāo)題實(shí)現(xiàn)(窗口標(biāo)題，標(biāo)題，子圖標(biāo)題不同之間的差異)
這篇文章主要介紹了matplotlib源碼解析標(biāo)題實(shí)現(xiàn)(窗口標(biāo)題，標(biāo)題，子圖標(biāo)題不同之間的差異)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
python進(jìn)階教程之循環(huán)相關(guān)函數(shù)range、enumerate、zip
這篇文章主要介紹了python進(jìn)階教程之循環(huán)相關(guān)函數(shù)range、enumerate、zip,在使用循環(huán)程序經(jīng)常要配合這些函數(shù)來(lái)完成循環(huán),需要的朋友可以參考下2014-08-08
進(jìn)行接口自動(dòng)化時(shí),有時(shí)候我們需要斷言的數(shù)據(jù)比較多,一個(gè)字段一個(gè)字段進(jìn)行斷言比較麻煩,那么如何利用Python實(shí)現(xiàn)輕松判斷數(shù)據(jù)格式是否相同呢,下面小編就為大家詳細(xì)講講2023-09-09
解決在Python編輯器pycharm中程序run正常debug錯(cuò)誤的問(wèn)題
今天小編就為大家分享一篇解決在Python編輯器pycharm中程序run正常debug錯(cuò)誤的問(wèn)題，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-01-01
這篇文章主要介紹了Django框架反向解析操作,結(jié)合實(shí)例形式詳細(xì)分析了Django框架相關(guān)定義、原理、使用方法及操作注意事項(xiàng),需要的朋友可以參考下2019-11-11
Pandas使用Merge與Join和Concat分別進(jìn)行合并數(shù)據(jù)效率對(duì)比分析
這篇文章主要給大家介紹了關(guān)于pandas中DataFrame數(shù)據(jù)合并連接（merge、join、concat)的相關(guān)資料，文中介紹的非常詳細(xì)，需要的朋友可以參考下2022-12-12
簡(jiǎn)單分析python的類變量、實(shí)例變量
在本篇文章中小編給大家整理的是關(guān)于python類變量、實(shí)例變量的知識(shí)點(diǎn)內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2019-08-08
這篇文章主要介紹了Python聚類算法之基本K均值運(yùn)算技巧,結(jié)合實(shí)例形式較為詳細(xì)的分析了基本K均值的原理與相關(guān)實(shí)現(xiàn)技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2015-11-11
matplotlib部件之矩形選區(qū)(RectangleSelector)的實(shí)現(xiàn)
這篇文章主要介紹了matplotlib部件之矩形選區(qū)(RectangleSelector)的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02