散点图标记的条件格式

Question

问题：
我有一个包含x 和y 值对的数据集，以及y 的lower_limit 和upper_limit 值。

我想在 plot.ly 散点图中绘制x 与y，如果lower_limit ≤ y ≤ upper_limit，则标记为绿色，否则为红色强>。

我知道我可以使用 2 个跟踪，或者在 DataFrame 中添加一个 color 列。但是，我想动态生成这些颜色并只使用一条轨迹。

示例：
考虑这个数据集：

   x   y  lower_limit  upper_limit
0  1  13           10           15
1  2  13           15           20
2  3  17           15           20

第一个标记 (x=1, y=13) 应该是绿色的，因为 lower_limit ≤ y ≤ upper_limit (10 ≤ 13 ≤ 15)，就像第三个一样。 但是第二个应该是红色的，因为y lower_limit.

然后我想生成这个图表：

---

MWE：

import pandas as pd
import plotly.graph_objs as go
import plotly.plotly as py
import plotly.offline as po

data = [
    [1, 13, 10, 15],
    [2, 13, 15, 20],
    [3, 17, 15, 20]
]

df = pd.DataFrame(
    data,
    columns=['x', 'y', 'lower_limit', 'upper_limit']
)

trace = go.Scatter(
    x=df['x'],
    y=df['y'],
    mode='markers',
    marker=dict(
        size=42,
        # I want the color to be green if 
        # lower_limit ≤ y ≤ upper_limit
        # else red
        color='green',
    )
)

po.plot([trace])

Answer 1

我建议创建一个新的数组来存储颜色值，请在下面找到使用np.where 和np.logical_and 来形成条件比较的示例，如果这适合您的问题，请告诉我！

import plotly.offline as py
import plotly.graph_objs as go
from plotly.offline import init_notebook_mode, iplot, plot
from plotly import tools
import pandas as pd
import numpy
init_notebook_mode(connected=True)
data = [
    [1, 13, 10, 15],
    [2, 13, 15, 20],
    [3, 17, 15, 20]
]

df = pd.DataFrame(
    data,
    columns=['x', 'y', 'lower_limit', 'upper_limit']
)

#df['color'] = np.where(np.logical_and(df['lower_limit'] >= df['y'], df['y']  <= df['upper_limit']), 'green', 'red')

trace = go.Scatter(
    x=df['x'],
    y=df['y'],
    mode='markers',
    marker=dict(
        size=42,
        # I want the color to be green if 
        # lower_limit ≤ y ≤ upper_limit
        # else red
        color=np.where(np.logical_and(df['lower_limit'] >= df['y'], df['y']  <= df['upper_limit']), 'green', 'red'),
    )
)

iplot([trace])

参考资料：

1. Pandas: np.where with multiple conditions on dataframes

2. Pandas: Ternary conditional operator for setting a value in a DataFrame