Python中基于Mg#数值条件筛选地球化学数据绘制散点子图的实现问题

嗨，我完全懂你的需求——不想额外创建新列或新DataFrame，直接在绘图环节根据Mg#的数值条件筛选数据对吧？其实根本不需要用if/elif语句，Pandas的布尔索引就能完美解决这个问题，代码简洁还完全符合你的要求！

核心思路：用布尔索引实时筛选数据 #

Pandas支持直接通过布尔条件对DataFrame进行切片筛选，你可以在调用plt.scatter()的时候，直接把筛选后的数据集传进去，全程不需要提前生成新的数据集。

1. 单条件筛选（比如Mg# > 70）

直接在索引里写布尔条件，把符合要求的行筛选出来，再取对应的Pd和Cu/Pd值：

# 筛选Mg# > 70的数据绘制
plt.scatter(
    East_Greenland[East_Greenland['Mg#'] > 70]['Pd'], 
    East_Greenland[East_Greenland['Mg#'] > 70]['Cu'] / East_Greenland[East_Greenland['Mg#'] > 70]['Pd'], 
    color="green", marker="s", s=25, 
    edgecolor="black", label="East Greenland (Mg# > 70)"
)

2. 区间条件筛选（比如60 ≤ Mg# ≤ 70）

对于区间范围，用&来组合两个布尔条件，注意每个条件都要加括号（因为Pandas的运算符优先级问题）：

# 先把区间条件存成mask变量让代码更整洁
mask = (East_Greenland['Mg#'] >= 60) & (East_Greenland['Mg#'] <= 70)
plt.scatter(
    East_Greenland[mask]['Pd'], 
    East_Greenland[mask]['Cu'] / East_Greenland[mask]['Pd'], 
    color="orange", marker="o", s=25, 
    edgecolor="black", label="East Greenland (60 ≤ Mg# ≤70)"
)

如果你不想用额外变量，也可以直接把(East_Greenland['Mg#'] >=60) & (East_Greenland['Mg#'] <=70)写在索引里，效果完全一致。

绘制子图的完整示例 #

如果你想把不同Mg#区间的数据分成单独的子图展示，可以用plt.subplots()创建子图布局，每个子图对应一个筛选条件：

import matplotlib.pyplot as plt

# 创建2行1列的子图布局
fig, (ax1, ax2) = plt.subplots(nrows=2, ncols=1, figsize=(8, 10))

# 子图1：Mg# >70的数据
mask_high = East_Greenland['Mg#'] > 70
ax1.scatter(
    East_Greenland[mask_high]['Pd'], 
    East_Greenland[mask_high]['Cu'] / East_Greenland[mask_high]['Pd'], 
    color="green", marker="s", s=25, 
    edgecolor="black", label="Mg# > 70"
)
ax1.set_title("East Greenland (onshore) - Mg# >70")
ax1.set_xlabel("Pd")
ax1.set_ylabel("Cu/Pd")
ax1.legend()
ax1.grid(alpha=0.3)

# 子图2：Mg#在60-70之间的数据
mask_mid = (East_Greenland['Mg#'] >=60) & (East_Greenland['Mg#'] <=70)
ax2.scatter(
    East_Greenland[mask_mid]['Pd'], 
    East_Greenland[mask_mid]['Cu'] / East_Greenland[mask_mid]['Pd'], 
    color="orange", marker="o", s=25, 
    edgecolor="black", label="60 ≤ Mg# ≤70"
)
ax2.set_title("East Greenland (onshore) - 60 ≤ Mg# ≤70")
ax2.set_xlabel("Pd")
ax2.set_ylabel("Cu/Pd")
ax2.legend()
ax2.grid(alpha=0.3)

# 调整子图间距避免重叠
plt.tight_layout()
plt.show()

为什么不用if/elif？ #

其实你之前纠结的条件语句，反而不太适合这种数值区间的筛选场景。布尔索引是对整个DataFrame的行进行批量筛选，比分支判断更直接高效，代码可读性也更强——完全不需要循环或条件判断就能实现精准筛选。

这样操作下来，你既不用创建新的列或DataFrame，又能精准筛选出不同Mg#区间的数据来绘图，完美匹配你的需求～

备注：内容来源于stack exchange，提问作者Anna Morrison