fig = px.bar( get_data_forecast_is_stk_bs_rpt_zq_shuju, # 数据集 x='数据范围', # x轴 y='归母利润上一年比本年倍数') fig.show() 改成橙色

你可以使用`color_discrete_sequence`参数将所有的柱子都设置成橙色。下面是一个例子：

import plotly.express as px

fig = px.bar(get_data_forecast_is_stk_bs_rpt_zq_shuju, x='数据范围', y='归母利润上一年比本年倍数', color_discrete_sequence=['orange'])
fig.show()

其中，`color_discrete_sequence=['orange']`将所有柱子的颜色都设置成橙色。你可以根据需要修改颜色值或使用其他颜色映射方案。

相关问题

fig = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc,x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc.index, y="归母利润历史年差异" ) fig = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc,x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc.index, y="归母利润历史年差异" ) fig.show() 上面的数据散点是蓝色 下面的数据散点是橙色

您可以在绘制两个散点图时，分别使用不同的颜色。例如，将上面的散点图设置为蓝色，下面的散点图设置为橙色，可以使用以下代码：

fig1 = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc,
                  x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc.index, 
                  y="归母利润历史年差异",
                  color_discrete_sequence=["blue"])
fig2 = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc,
                  x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc.index, 
                  y="归母利润历史年差异",
                  color_discrete_sequence=["orange"])
fig1.show()
fig2.show()

这样，第一个散点图的颜色就会被设置成蓝色，第二个散点图的颜色会被设置成橙色。如果您需要使用其他颜色，只需要将 `color_discrete_sequence` 参数的值改为对应颜色的名称或 RGB 值即可。

fig1 = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc, x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc.index, y="归母利润历史年差异", color_discrete_sequence=["blue"]) fig2 = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc, x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc.index, y="归母利润历史年差异", color_discrete_sequence=["orange"]) fig1.show() fig2.show() 现在是分开的2个图 要合成一个共有的图里面

您可以使用 `add_trace` 方法将第二个散点图添加到第一个散点图中，从而合成一个共有的图。具体来说，可以先创建一个包含第一个散点图的 `Figure` 对象，然后使用 `add_trace` 方法将第二个散点图添加到该对象中。例如，可以使用以下代码合成一个共有的图：

fig = px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc,
                 x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_zq_qc.index, 
                 y="归母利润历史年差异",
                 color_discrete_sequence=["blue"])

fig.add_trace(px.scatter(data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc,
                          x=data_forecast_is_stk_bs_rpt_lishichayi_qukong_cw_qc.index, 
                          y="归母利润历史年差异",
                          color_discrete_sequence=["orange"]).data[0])

fig.show()

这样，第二个散点图就会被添加到第一个散点图的上方，从而合成一个共有的图。注意，`add_trace` 方法返回的是一个包含新添加的散点图的 `Figure` 对象，因此需要使用 `.data[0]` 提取其中的散点图。如果您需要添加更多的散点图，可以继续使用 `add_trace` 方法添加即可。