如何在 Python 中使用 SCATTER fill_between plot 散点图？

Question

我是一名制造工程师，对 Python 和 Matplotlib 非常陌生。 目前，我正在尝试 plot 散点时间图，其中对于每条记录，我都有数据（从传感器读取）以及该数据的上限和下限，如果数据不在它们之间，则该数据将停止工具。

所以对于这样一组简单的数据：

   time = [1, 2, 3, 7, 8, 9, 10]*
   data = [5, 6, 5, 5, 6, 7, 8]
   lower_limit = [4, 4, 5, 5, 5, 5, 5]
   upper_limit = [6, 6, 6, 7, 7, 7, 7]

• 当该工具不工作时，将不会记录任何内容，因此时间记录中有 b/w 3 和 7 的间隙。

所需的图表如下所示：

我试图坚持的一些规则：

1. 所有三个图（数据、上限和下限）都需要是散点而不是线，它们之间共享 x 轴（时间）。 - 必需的。
2. 在上限和下限之间填充的绿色高光，仅考虑每个高光具有相同时间的两个点。 - 强烈推荐。 （我尝试了 matplotlib.fill_between，但它在趋势线之间创建了一个多边形，而不是在匹配的 LL 和 UL 点对之间创建垂直线。因此，它不准确，它会填补空白 b/w 次3s 和 7s，这是不希望的。此外，我尝试使用 matplot.bar 沿散布 plot 的“数据”进行限制，但我无法为条形设置最小值 = lower_limit。）
3. 当数据的值不等于或介于限制之间时，表示点应显示为红色，而不是原来的颜色。 -强烈推荐。

因此，考虑到所有这些，并且每天有数千条记录，一个 24 小时时间跨度的常规图表应该如下所示：（请注意由于时间跨度内可能缺少记录，以及垂直的绿线，用于限制。）

感谢您的时间和帮助！

Answer 1

像这样的东西应该可以工作，分别绘制每个组件：

time = [1, 2, 3, 7, 8, 9, 10]
data = [5, 6, 5, 5, 6, 7, 8]
lower_limit = [4, 4, 5, 5, 5, 5, 5]
upper_limit = [6, 6, 6, 7, 7, 7, 7]

# put data into dataframe and identify which points are out of range (not between the lower and upper limit)
df = pd.DataFrame({'time': time, 'data': data, 'll': lower_limit, 'ul': upper_limit})
df.loc[:, 'in_range'] = 0
df.loc[((df['data'] >= df['ll']) & (df['data'] <= df['ul'])), 'in_range'] = 1

# make the plot
fig, ax = plt.subplots()

# plot lower-limit and upper-limit points
plt.scatter(df['time'], df['ll'], c='green')
plt.scatter(df['time'], df['ul'], c='green')

# plot data points in range
plt.scatter(df.loc[df['in_range']==1, :]['time'], df.loc[df['in_range']==1, :]['data'], c='black')

# plot data points out of range (in red)
plt.scatter(df.loc[df['in_range']==0, :]['time'], df.loc[df['in_range']==0, :]['data'], c='red')

# plot lines between lower limit and upper limit
plt.plot((df['time'],df['time']),([i for i in df['ll']], [j for j in df['ul']]), c='lightgreen')

Answer 2

这是使用numpy的掩码和matplotlib的errorbar栏的版本

import matplotlib.pyplot as plt
import numpy as np

time = np.array( [0, 1, 2, 3, 7, 8, 9, 10] )
data = np.array([2, 5, 6, 5, 5, 6, 7, 8] )
lower = np.array([4, 4, 4, 5, 5, 5, 5, 5] )
upper = np.array([6, 6, 6, 6, 7, 7, 7, 7] )

nn = len( lower )
delta = upper - lower

### creating masks
inside = ( ( upper - data ) >= 0 ) & ( ( data - lower ) >= 0 )
outside = np.logical_not( inside )


fig = plt.figure()
ax = fig.add_subplot( 1, 1, 1 )

ax.errorbar(  time, lower, yerr=( nn*[0], delta), ls='', ecolor="#00C023"  )
ax.scatter( time[ inside ], data[ inside ], c='k' )
ax.scatter( time[ outside ], data[ outside ], c='r' )
plt.show()