Plotly：条形图不透明度随着时间范围的延长而变化

Question

我注意到绘制不同的时间尺度会导致重叠条形图的不透明度褪色。我该如何纠正这个问题？在第一张图片中，我绘制了 2 年的时间范围，在第二张图片中，我绘制了 1 年的时间范围。请注意，前者有一个明显褪色的条形图，我希望这两个图表无论范围如何都是相同的。

旁注：我正在“破解”图表以主轴为中心，如果有人可以帮助我弄清楚如何直接设置辅助轴的 y 轴范围，这也会非常有帮助。

import plotly.graph_objects as go
from plotly.subplots import make_subplots

filtered = df[(df['date'] > '2017-1-24') & (df['date'] <= '2018-1-24')]

fig = make_subplots(specs=[[{"secondary_y": True}]])

fig.add_trace(
    go.Bar(
        x=filtered['date'], 
        y=filtered['divergence'],
        opacity=0.5
    )
)

fig.add_trace(
    go.Scatter(
        x=filtered['date'], 
        y=filtered['price'],
        mode="lines"
    ),
    secondary_y=True
)

fig.update_layout(yaxis_range=[-9, 9])
fig.show()

不透明度低于预期：

不透明度正常：

Answer 1

简短回答：

这与不透明度无关。有关更多详细信息，请查看下面的完整答案。为了获得具有许多观察值和很少观察值的数字之间的一致性，您必须将条形线的宽度设置为零，并将 bargap 设置为零，如下一个代码片段所示。使用类似的颜色rgba(0,0,250,0)还可以通过最后一位数字选择任何您想要的不透明度。

fig.update_traces(marker_color = 'rgba(0,0,250, 0.5)',
                  marker_line_width = 0,
                  selector=dict(type="bar"))

fig.update_layout(bargap=0,
                  bargroupgap = 0,
                 )

图 1a - 很少的观察结果

图 1b - 许多观察结果

细节：

这与 无关opacity。您要求情节地建立一个条形图，并且显然根据情节，条形图必须在条形之间有一个空格。因此，通过一些观察，您会得到以下结果：

对于许多观察，正如您所演示的，您将得到以下结果：

条形的颜色没有改变，但看起来像是这样，因为 plolty 挤压了一些空间来进行更多的观察。

我最初认为这可以通过以下方式修改：

fig.update_layout(bargap=0,
                  bargroupgap = 0,
                 )

但不是：

为了提高较小和较大选择之间的一致性，您必须为条形填充选择与条形线条颜色相同的颜色，例如blue。

fig.update_traces(marker_color='blue',
                  marker_line_color='blue',
                  selector=dict(type="bar"))

但如果放大的话，条形之间仍然存在一点色差：

对于较浅的颜色，这一点变得更加清晰：

但事实证明，最好的解决方案是 marker_line_width = 0像答案开头所述的设置。

最终结果：

完整代码：

import numpy as np
import pandas as pd
import plotly.graph_objects as go
import plotly.express as px
import datetime
from plotly.subplots import make_subplots

pd.set_option('display.max_rows', None)

# data sample
nperiods = 50
np.random.seed(123)
df = pd.DataFrame(np.random.randint(-10, 12, size=(nperiods, 2)),
                  columns=['price', 'divergence'])
datelist = pd.date_range(datetime.datetime(2017, 1, 1).strftime('%Y-%m-%d'),periods=nperiods).tolist()
df['date'] = datelist 
df = df.set_index(['date'])
df.index = pd.to_datetime(df.index)
# df.iloc[0] =1000
# df = df.cumsum().reset_index()
df.reset_index(inplace=True)
df['price'] = df['price'].cumsum()
df['divergence'] = df['divergence'].cumsum()

filtered = df[(df['date'] > '2017-1-24') & (df['date'] <= '2018-1-24')]

fig = make_subplots(specs=[[{"secondary_y": True}]])

fig.add_trace(
    go.Bar(
        x=filtered['date'], 
        y=filtered['divergence'],
        #opacity=0.5
    )
)

fig.add_trace(
    go.Scatter(
        x=filtered['date'], 
        y=filtered['price'],
        mode="lines"
    ),
    secondary_y=True
)


fig.update_traces(marker_color = 'rgba(0,0,250, 0.5)',
                  marker_line_width = 0,
                  selector=dict(type="bar"))

fig.update_layout(bargap=0,
                  bargroupgap = 0,
                 )


fig.show()