Python 根据Matplotlib中的条件标记特定点

我绘制了

df['Data']

的最小点

Timestamp = pd.date_range('2020-02-06 08:23:04', periods=1000, freq='s')
df = pd.DataFrame({'Timestamp': Timestamp,
                   'Data': 30+15*np.cos(np.linspace(0,10,Timestamp.size))})

df['timediff'] = (df['Timestamp'].shift(-1) - df['Timestamp']).dt.total_seconds()   
df['datadiff'] = df['Data'].shift(-1) - df['Data']
df['gradient'] = df['datadiff'] / df['timediff']

min_pt = np.min(df['Data'])       
# filter_pt = df.loc(df['gradient'] >= -0.1) # & df.loc[i, 'gradient'] <=0.1

mask = np.array(df['Data']) == min_pt 
color = np.where(mask, 'blue', 'yellow')

fig,ax = plt.subplots(figsize=(20,10))
# plt.plot_date(df['Timestamp'], df['Data'], '-' )
ax.scatter(df['Timestamp'], df['Data'], color=color, s=10)
plt.ticklabel_format
plt.show()

在

掩码之前

返回错误的依据：

TypeError: Cannot perform 'rand_' with a dtyped [float64] array and scalar of type [bool]

我觉得我做的不是很有效率。如何更有效地做到这一点

---

更新：

带代码

Timestamp = pd.date_range('2020-02-06 08:23:04', periods=1000, freq='s')
df = pd.DataFrame({'Timestamp': Timestamp,
                   'Data': 30+15*np.cos(np.linspace(0,10,Timestamp.size))})

df['timediff'] = (df['Timestamp'].shift(-1) - df['Timestamp']).dt.total_seconds()    
df['datadiff'] = df['Data'].shift(-1) - df['Data']
df['gradient'] = df['datadiff'] / df['timediff']

fig,ax = plt.subplots(figsize=(20,10))
df1 = df[(df.gradient <= 0.1) & (df.gradient >= -0.1)]
plt.plot(df1.Timestamp,df1.Data, label="filter")
plt.show()

Timestamp=pd.date\u范围（'2020-02-06 08:23:04'，句点=1000，频率=s'）
df=pd.DataFrame（{'Timestamp'：时间戳，
“数据”：30+15*np.cos（np.linspace（0,10，Timestamp.size））}
df['timediff']=（df['Timestamp'].shift（-1）-df['Timestamp']）.dt.total_seconds（）
df['datadiff']=df['Data'].shift（-1）-df['Data']
df['gradient']=df['datadiff']/df['timediff']
图，ax=plt.子批次（图尺寸=（20,10））
df1=df[（df.gradient=-0.1）]
plt.plot（df1.Timestamp，df1.Data，label=“filter”）
plt.show（）

它回来了

将范围更改为

df1 = df[(df.gradient <= 0.01) & (df.gradient >= -0.01)]

df1=df[（df.gradient=-0.01）]

它回来了

---

为什么？

在每个条件上添加括号，这样您就可以逐行执行逻辑和

df1 = df[(df.gradient <= 0.1) & (df.gradient >= -0.1)]

这将是最终图像：

编辑

如果只需要渐变位于范围内的第一个点，请创建组，然后使用groupby

df['groups'] = ((df.gradient > 0.1) | (df.gradient < -0.1)).cumsum()

df2 = df[(df.gradient <= 0.1) & (df.gradient >= -0.1)]
    .groupby('groups').agg({'Timestamp':'first', 'Data':'first'})

#        Timestamp              Data
# groups        
# 0      2020-02-06 08:23:04    45.000000
# 168    2020-02-06 08:27:05    18.814188
# 336    2020-02-06 08:32:19    41.201294
# 504    2020-02-06 08:37:33    18.783251

df['groups']=（（df.gradient>0.1）|（df.gradient<-0.1））.cumsum（）
df2=df[（df.gradient=-0.1）]
.groupby（'groups'）.agg（{'Timestamp'：'first'，'Data'：'first'}）
#时间戳数据
#团体
# 0      2020-02-06 08:23:04    45.000000
# 168    2020-02-06 08:27:05    18.814188
# 336    2020-02-06 08:32:19    41.201294
# 504    2020-02-06 08:37:33    18.783251

谢谢jcaliz！是否有办法只标记每个范围内的第一个数据点？

plt.scatter(df1.Timestamp,df1.Data, label="filter")

df['groups'] = ((df.gradient > 0.1) | (df.gradient < -0.1)).cumsum()

df2 = df[(df.gradient <= 0.1) & (df.gradient >= -0.1)]
    .groupby('groups').agg({'Timestamp':'first', 'Data':'first'})

#        Timestamp              Data
# groups        
# 0      2020-02-06 08:23:04    45.000000
# 168    2020-02-06 08:27:05    18.814188
# 336    2020-02-06 08:32:19    41.201294
# 504    2020-02-06 08:37:33    18.783251