Выделение точек на полосе на основе условия

Я пытаюсь сделать что-то вроде этого:

import seaborn as sns
import matplotlib.pyplot as plt

# edit me
fig, ax = plt.subplots(figsize=(9, 6))

tips = sns.load_dataset("tips")
#sns.stripplot(data=tips, x = ['f1','f2'], y=[combined_df.r1_feature1,combined_df.r2_feature1], hue = "size", palette = "deep")
# wide form with x,y missing

params_anno = dict(jitter=0.25, size=5, palette = "flare",
                    dodge=True)
if (value of df1 = value of df2):
    params_anno["linewidth"].append(2)
    params_anno["edgecolor"].append("green")
    
ax = sns.stripplot(data=combined_df.drop(
    "cycle_number", axis=1), **params_anno)
ax.set_ylim([0, 25])
ax.set_xlabel(xlabel = "Different reads")
ax.set_ylabel(ylabel = "values")

Условие if должно определять, должны ли определенные точки или точки данных на sns.stripplot выделяться цветом края, который выделяет их. Однако описанный выше подход потерпит неудачу, потому что после встречи с первым экземпляром True все остальное впоследствии будет аннотировано.

Как мне это сделать? Я не знаю, насколько гибок sns.stripplot(data=combined_df), когда дело доходит до обработки каждой точки данных. ax.annotate способ сделать это?

Я пытался использовать sns.stripplot, но проблема заключается в доступе к каждой точке данных изолированно, поэтому ее можно пометить по-разному, если она соответствует условию if.

Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
1
0
70
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Опция 1

import seaborn as sns

# load data
tips = sns.load_dataset("tips")

# separate the data by a condition
mask = tips.total_bill.gt(20)
gt20 = tips[mask]
lt20 = tips[~mask]

# plot the dataframes in separate stripplots
ax = sns.stripplot(x = "day", y = "total_bill", hue = "smoker", data=lt20, jitter=True, dodge=True)
sns.stripplot(x = "day", y = "total_bill", hue = "smoker", data=gt20, jitter=True, dodge=True, edgecolor='r', linewidth=1, legend=None, ax=ax)

# move the legend if needed
sns.move_legend(ax, bbox_to_anchor=(1, 1.02), loc='upper left')

Вариант 2

  • Используйте pandas.DataFrame.assign, чтобы создать новый столбец 'condition' на основе условия и использовать его для hue=.
import seaborn as sns

# load data
tips = sns.load_dataset("tips")

# new column based on a condition
tips = tips.assign(condition=tips.total_bill.gt(20))

# plot the stripplot with hue set to the new column
ax = sns.stripplot(x = "day", y = "total_bill", hue = "condition", data=tips, jitter=True, dodge=True)

# move the legend
sns.move_legend(ax, bbox_to_anchor=(1, 1.02), loc='upper left')

  • С dodge=False

Другие вопросы по теме