Matplotlib 在阈值下更改条形颜色 - Python

Matplotlib 是一个用于数据可视化的 Python 库，提供了许多绘制图表的工具和设置选项。本篇文章将介绍如何在 Matplotlib 中实现在阈值下更改条形颜色的功能。

准备工作

在开始本文之前，请确认已正确安装了 Matplotlib 库。如果没有安装，可以使用以下命令安装：

pip install matplotlib

导入 Matplotlib 库和 NumPy 库：

import matplotlib.pyplot as plt
import numpy as np

实现步骤

1. 创建数据

本文将使用一个简单的示例数据，包含 5 个类别和各自的得分。数据如下：

categories = ['A', 'B', 'C', 'D', 'E']
scores = [40, 70, 90, 30, 60]

2. 绘制直方图

使用 Matplotlib 中的 plt.bar() 函数绘制直方图，代码如下：

plt.bar(categories, scores)
plt.show()

我们可以看到直方图中所有的条形的颜色都是一样的，为默认颜色。

3. 设置阈值和颜色

接下来，我们将设置一个阈值，如果某一类别的得分高于该阈值，我们将其条形的颜色设置为蓝色，如果低于该阈值，将条形颜色设置为红色。

首先，我们定义阈值和颜色：

threshold = 60
color_below_threshold = 'r'
color_above_threshold = 'b'

然后，我们使用 NumPy 库中的 where() 函数来将每个条形的颜色设置为对应的值：

colors = np.where(np.array(scores) > threshold, color_above_threshold, color_below_threshold)

where() 函数返回一个与原始 scores 列表大小相同的 bool 数组，其中值为 True 表示该位置的得分高于阈值，否则为 False。然后将该数组传递给 NumPy 库中的 np.where() 函数，该函数在 True 位置返回 color_above_threshold，否则返回 color_below_threshold，从而得到一个对应于每个条形的颜色的列表。

最后，我们将颜色列表传递给 plt.bar() 函数的 color 参数：

plt.bar(categories, scores, color=colors)
plt.show()

运行完整代码，可以得到如下结果：

import matplotlib.pyplot as plt
import numpy as np

categories = ['A', 'B', 'C', 'D', 'E']
scores = [40, 70, 90, 30, 60]

plt.figure(figsize=(8, 5))

threshold = 60
color_below_threshold = 'r'
color_above_threshold = 'b'

colors = np.where(np.array(scores) > threshold, color_above_threshold, color_below_threshold)

plt.bar(categories, scores, color=colors)

plt.title('Scores of Categories')
plt.xlabel('Categories')
plt.ylabel('Scores')
plt.ylim([0, 100])

plt.show()

结论

在本文中，我们介绍了如何在 Matplotlib 中实现在阈值下更改条形颜色的功能。通过使用 np.where() 函数，我们可以轻松地对所有条形进行颜色编码，从而将数据可视化为易于理解的直方图。