Python 如何使用matplotlib执行条件区域打印？

我已经基于一系列数据创建了以下dataframe

df['data_classification'] = df.myDatarange.apply(lambda a:'Very good' if a>=-90 
                                       else ('Good' if (a>= -100 or a<=-91) 
                                             else ('Moderate' if (a>= -110 or a<=-101) 
                                                   else ('Poor' if (a>= -123 or a<=-111) 
                                                         else ('Bad' if (a>= -140 or a<=-124) 
                                                               else 'Off' )))))

如何根据分类将上述数据范围绘制为面积图？有没有比面积图更好的方法来表达我的数据？网络上有一些例子，但在条件方面不是很清楚。

Seaborn's可以使用

hue

参数为每个与“数据分类”相对应的条形图上色。新的“数据分类”列可以更快地创建，并且更易于通过修改

条形图可用作线形图的背景，以显示每个值的分类

下面是一个让您开始学习的示例：

从matplotlib导入pyplot作为plt
将numpy作为np导入
作为pd进口熊猫
导入seaborn作为sns
df=pd.DataFrame（{'myDatarange'：np.random.randint（-150，-50，size=50）}）
范围=[-10**6、-140、-123、-110、-100、-90、10**6]
df['data_classification']=pd.cut（df['myDatarange']，ranges，right=False，
标签=['Off'，'Bad'，'Poor'，'medium'，'Good'，'Very Good']）
图，ax1=plt.子批次（图大小=（12,4））
ax1.绘图（df.index，df['myDatarange'，color='blue'，linewidth=2，alpha=0.9，label=“myDatarange”）
条形图（x=df.index，y=[df['myDatarange'].min（）]*len（df），
色调class='data_classification'，alpha=0.5，调色板class='inferno'，减淡=False，数据=df，ax=ax1）
对于ax1.patches中的条形图：#可选设置条形图以填充整个背景，默认seaborn将宽度设置为80%左右
条。设置宽度（1）
plt.图例（bbox_to_anchor=（1.02,1.05），位置=左上角）
plt.紧_布局（）
plt.show（）

---

PS：如果你想将0放在底部（由于y值为负值，现在是顶部），你可以调用

ax.inverte\u yaxis（）

看看如何使用

pd.cut

而不是If-else结构，以获得我认为更清晰易读的代码。你好，约翰和斯科特。谢谢你的回复。我尝试了约翰的解决方案。它帮助我澄清了一些概念，但并不是我想要展示的输出。是否可以简单地有两个图，一个myDatarange线图。在这个情节下面，是另一个简单的情节，它显示了所提到的一个类别，即好的，坏的等等？我还想过简单地为myDatarange的不同类别使用不同的颜色。但是我对这个概念的理解还不足以实现它。你能编辑你的原始问题并添加更多的信息吗，也许是一些简单的数据作为例子和一个想要的图（可能带有使用绘画软件的注释）？你说的“面积图”到底是什么意思？当所有的信息都放在一个图中时，为什么要有两个子图？（如果您想将这两部分分开，只需调用上述代码并更改ax=ax2即可）。你最近的编辑回答了我的问题。谢谢你的支持对不起，我以前不能这么做，因为我的观点没有那么重要。现在我可以了

x1 = df1.index
y1 = df1.myDatarange
f, (ax1,ax2) = plt.subplots(2,figsize=(5, 5))
ax1.plot(x1,y1,color='red', linewidth=1.9, alpha=0.9, label="myDataRange")
plt.show()