如何根据条件（Python）绘制不同透明胶片的多条线？

Question

我有房屋的一些能耗数据。在此数据框中，每一行显示每日消耗曲线（能量值是从0到1的数字，每小时1个值），最后一列“ temp_avg”代表当天的平均室外温度。 在下面，您可以找到一个与我的结构相同的数据框架，并填充了随机数。

之后，我根据temp_avg的值创建了一个colormap，以便以蓝色绘制寒冷的日子，并以红色绘制温暖的日子。温度越高，深色将是该线的红色，而寒冷的日子则越来越糟糕。

我想做的是更改“炎热日” （temp_avg＆gt; 15）的透明度：由于寒冷的日子在数据框架中更相关（6天中有4天有temp_avg＆lt; 15 ）我不希望蓝线被一些在数据帧中不太相关的红线所打扰。

因此，我想将“炎热日”的alpha设置为较低的值：仍然必须根据颜色图对它们进行颜色，但是它们需要更透明，而更相关的行必须保持alpha = 1。

我该怎么做？和有没有办法自动化此过程？含义：如果炎热的日子少于寒冷的日子，使炎热的日子更加透明...但是如果相反，寒冷的日子少于炎热的日子，使寒冷的日子更加透明。

    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

Answer 1

您可以计算每个类别（热和冷）的几天的umber，并相应地设置Alphya值，类似的内容：

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

考虑到您的评论，您可以尝试一下。在这里，我使用的是颜色由4个值组成，最后一个值对应于alpha通道（即透明度），并且我在temp_avg中使用该值 +热和冷值的比例来确定哪个是哪个是最之前的一个和相应地设置alpha值。
由于元组是Python中不变的对象，因此我将其列出以列出，修改Alpha值并将其归还给元组。

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()