Matplotlib 更改条形图中的alpha值以匹配变量

我有一个数据框架，包含不同的估计值和几个统计模型的p值，作为列

df = pd.DataFrame({'m4_params':np.random.normal(size=3),
                   'm4_pvalues':np.random.random_sample(3),
                   'm5_params':np.random.normal(size=3),
                   'm5_pvalues':np.random.random_sample(3),
                   'm6_params':np.random.normal(size=3),
                   'm6_pvalues':np.random.random_sample(3)})

我可以将其转换为所需的条形图，并将其绘制为

barh

：

df[['m4_params','m5_params','m6_params']].T.plot(kind='barh')

但是，我也希望通过使用类似于

alpha=1-pvalue

的简单函数，根据每个条形图对应的pvalue更改其alpha通道来更新这些条形图

---

我们的目标是使具有更高水平重要性的条形图更为牢固，而那些具有较弱重要性的条形图更为透明。据我所知，

alpha

关键字只接受浮点数，这意味着我需要某种方法来访问绘图中每个条的属性。

这种方法可能很脆弱（使用pandas 0.11.0进行测试），但您可以在axes.patches上迭代 列表更可靠的方法是通过调用plt.barh（）自己构建条形图。（旁注：非常小的alpha是不可见的，因此我将最小alpha设置为.2）

---

这种方法可能很脆弱（使用pandas 0.11.0进行测试），但您可以迭代axes.patches 列表更可靠的方法是通过调用plt.barh（）自己构建条形图。（旁注：非常小的alpha是不可见的，因此我将最小alpha设置为.2）

---

对我来说是0.13！非常感谢。对我来说是0.13！非常感谢。

from itertools import product

ax = df[['m4_params','m5_params','m6_params']].T.plot(kind='barh')
for i, (j, k) in enumerate(product(range(3), range(3))):
    patch = ax.patches[i]
    alpha = 1 - df[['m4_pvalues','m5_pvalues','m6_pvalues']].T.iloc[j, k]
    patch.set_alpha(max(alpha, .2))
plt.draw()