Como plotar várias linhas com diferentes transparências com base em uma condição (Python)?
Lorenzo Siboni
Tenho alguns dados de consumo de energia de uma casa. Neste DataFrame cada linha mostra um perfil de consumo diário (os valores de energia são números de 0 a 1, um valor por hora) e a última coluna 'Temp_avg' representa a Temperatura Externa Média daquele dia. Abaixo você encontra um DataFrame com a mesma estrutura que o meu, preenchido com números aleatórios.
Depois disso, crio um mapa de cores baseado nos valores de Temp_avg, para que os dias frios sejam plotados em azul e os dias quentes em vermelho. Quanto mais a temperatura estiver alta, mais escura será a cor vermelha dessa linha, e vice-versa para os dias frios.
O que eu quero fazer é mudar a transparência dos "dias quentes" (Temp_avg > 15): já que os dias frios são mais relevantes no DataFrame (4 dias em 6 tem Temp_avg < 15) não quero as linhas azuis ser perturbado por algumas linhas vermelhas que são menos relevantes no DataFrame.
Então, eu quero definir o alfa de "dias quentes" para um valor menor: eles ainda precisam ser coloridos com base no mapa de cores, mas precisam ser mais transparentes, enquanto as linhas mais relevantes precisam manter alfa=1.
Como eu posso fazer isso? E existe uma maneira de automatizar esse processo? Significado: se os dias quentes são menores que os dias frios, os dias quentes tornam-se mais transparentes...
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from matplotlib.colors import ListedColormap, LinearSegmentedColormap, Normalize
# Create 2D panda of 6 rows and 24 columns,
# filled with random values from 0 to 1
random_data = np.random.rand(6,24)
df = pd.DataFrame(random_data)
df.index = ['Day_1', 'Day_2', 'Day_3', 'Day_4', 'Day_5', 'Day_6']
df['Temp_avg'] = [30, 28, 4, 6, 5, 9]
print(df)
# create a color map
cmapR = cm.get_cmap('coolwarm')
norm = Normalize(vmin=df['Temp_avg'].min(), vmax=df['Temp_avg'].max())
colors = [cmapR(norm(v)) for v in df['Temp_avg']]
df.iloc[:, 0:24].T.plot(kind='line', color=colors, legend=False)
plt.show()
0 1 2 ... 22 23 Temp_avg
Day_1 0.806990 0.406354 0.095396 ... 0.492237 0.205613 30
Day_2 0.437527 0.172589 0.285325 ... 0.781534 0.964967 28
Day_3 0.434903 0.175761 0.386593 ... 0.282011 0.539182 4
Day_4 0.465063 0.223923 0.094135 ... 0.372364 0.608879 6
Day_5 0.993202 0.089822 0.976565 ... 0.515035 0.739329 5
Day_6 0.561553 0.759399 0.500864 ... 0.909193 0.723620 9
minha rede
Você pode contar o número de dias para cada categoria (quente e frio) e definir o valor de alfya de acordo, algo assim:
nb_of_hot_days = (df['Temp_avg']>15).sum()
nb_of_cold_days = (df['Temp_avg']<15).sum()
alpha_cold = 1.0 if nb_of_cold_days > nb_of_hot_days else nb_of_cold_days/nb_of_hot_days
alpha_hot = 1.0 if nb_of_hot_days > nb_of_cold_days else nb_of_hot_days/nb_of_cold_days
levando seu comentário em consideração, você pode tentar isso. Aqui eu uso o fato de que as cores são compostas por 4 valores e o último corresponde ao canal alfa (ou seja, a transparência) e uso o valor em Temp_avg + a proporção do valor Hot e Cold para determinar qual é o mais presente e defina o valor alfa de acordo. Como a tupla é um objeto imutável em python, eu os converto para listar, modifico o valor alfa e os converto de volta para a tupla.
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
from matplotlib.colors import ListedColormap, LinearSegmentedColormap, Normalize
# Create 2D panda of 6 rows and 24 columns,
# filled with random values from 0 to 1
random_data = np.random.rand(6,24)
df = pd.DataFrame(random_data)
df.index = ['Day_1', 'Day_2', 'Day_3', 'Day_4', 'Day_5', 'Day_6']
df['Temp_avg'] = [30, 28, 4, 6, 5, 9]
print(df)
nb_of_hot_days = (df['Temp_avg']>15).sum()
nb_of_cold_days = (df['Temp_avg']<15).sum()
if nb_of_cold_days > nb_of_hot_days:
cold_days_alpha = 1.0
hot_days_alpha = nb_of_hot_days/nb_of_cold_days
else:
cold_days_alpha = nb_of_cold_days/nb_of_hot_days
hot_days_alpha = 1.0
cmapR = cm.get_cmap('coolwarm')
norm = Normalize(vmin=df['Temp_avg'].min(), vmax=df['Temp_avg'].max())
colors = [tuple(list(cmapR(norm(v))[:3]) + [hot_days_alpha]) if v > 15 else tuple(list(cmapR(norm(v))[:3]) + [cold_days_alpha]) for v in df['Temp_avg']]
# colors_alphas = [(c[:3], 1.0) if ]
df.iloc[:, 0:24].T.plot(kind='line', color=colors, legend=False)
plt.show()
Este artigo é coletado da Internet.
Se houver alguma infração, entre em [email protected] Delete.
editar em
Artigos relacionados
TOP lista
- 1
R Shiny: use HTML em funções (como textInput, checkboxGroupInput)
- 2
UITextView não está exibindo texto longo
- 3
Dependência circular de diálogo personalizado
- 4
Acessando relatório de campanhas na AdMob usando a API do Adsense
- 5
Como assinar digitalmente um documento PDF com assinatura e texto visíveis usando Java
- 6
R Folheto. Dados de pontos de grupo em células para resumir muitos pontos de dados
- 7
Setas rotuladas horizontais apontando para uma linha vertical
- 8
O Chromium e o Firefox exibem as cores de maneira diferente e não sei qual deles está fazendo certo
- 9
Definir um clipe em uma trama nascida no mar
- 10
Por que meus intervalos de confiança de 95% da minha regressão multivariada estão sendo plotados como uma linha de loess?
- 11
Como dinamizar um Dataframe do pandas em Python?
- 12
regex para destacar novos caracteres de linha no início e no fim
- 13
Why isn't my C# .Net Core Rest API route finding my method?
- 14
Como obter a entrada de trás de diálogo em treeview pyqt5 python 3
- 15
Tabela CSS: barra de rolagem para a primeira coluna e largura automática para a coluna restante
- 16
How to create dynamic navigation menu select from database using Codeigniter?
- 17
Como recuperar parâmetros de entrada usando C #?
- 18
Changing long, lat values of Polygon coordinates in python
- 19
Livros sobre criptografia do muito básico ao muito avançado
- 20
Método \ "POST \" não permitido no framework Django rest com ações extras & ModelViewset
- 21
Pesquisa classificada, conte números abaixo do valor desejado
deixe-me dizer algumas palavras