• Wie zeichnet man eine vertikale Linie ( vlines) in einem Pandas-Serienplot?
• Ich benutze Pandas, um Rollmittel usw. zu zeichnen, und möchte wichtige Positionen mit einer vertikalen Linie markieren.
• Ist es möglich, dies zu verwenden vlinesoder etwas Ähnliches?
• In diesem Fall ist die x-Achse datetime.

plt.axvline(x_position)

Es nimmt die Standardkurve Formatierungsoptionen ( linestlye, color, ect)

(doc)

Wenn Sie einen Verweis auf Ihr axesObjekt haben:

ax.axvline(x, color='k', linestyle='--')

Wenn Sie eine Zeitachse haben und Pandas als pd importiert haben, können Sie Folgendes verwenden:

ax.axvline(pd.to_datetime('2015-11-01'), color='r', linestyle='--', lw=2)

Für mehrere Zeilen:

xposition = [pd.to_datetime('2010-01-01'), pd.to_datetime('2015-12-31')]
for xc in xposition:
    ax.axvline(x=xc, color='k', linestyle='-')

Die DataFrame-Plotfunktion gibt ein AxesSubplotObjekt zurück und Sie können so viele Zeilen hinzufügen, wie Sie möchten. Schauen Sie sich das folgende Codebeispiel an:

%matplotlib inline

import pandas as pd
import numpy as np

df = pd.DataFrame(index=pd.date_range("2019-07-01", "2019-07-31"))  # for sample data only
df["y"] = np.logspace(0, 1, num=len(df))  # for sample data only

ax = df.plot()
# you can add here as many lines as you want
ax.axhline(6, color="red", linestyle="--")
ax.axvline("2019-07-24", color="red", linestyle="--")

matplotlib.pyplot.vlines

• Für eine Zeitreihe müssen die Daten für die Achse richtige Datums- / Uhrzeitobjekte sein , keine Zeichenfolgen.
  • Verwenden Sie pandas.to_datetimediese datetimeOption , um Spalten in dtype zu konvertieren.
• Ermöglicht einzelne oder mehrere Standorte
• ymin& ymaxwerden als spezifischer y-Wert angegeben, nicht als Prozent vonylim
• Wenn Sie axesmit etwas wie referenzieren fig, axes = plt.subplots(), wechseln Sie plt.xlineszuaxes.xlines

plt.plot() & sns.lineplot()

from datetime import datetime
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns  # if using seaborn

plt.style.use('seaborn')  # these plots use this style

# configure synthetic dataframe
df = pd.DataFrame(index=pd.bdate_range(datetime(2020, 6, 8), freq='1d', periods=500).tolist())
df['v'] = np.logspace(0, 1, num=len(df))

# plot
plt.plot('v', data=df, color='magenta')

y_min = df.v.min()
y_max = df.v.max()

plt.vlines(x=['2020-07-14', '2021-07-14'], ymin=y_min, ymax=y_max, colors='purple', ls='--', lw=2, label='vline_multiple')
plt.vlines(x=datetime(2021, 9, 14), ymin=4, ymax=9, colors='green', ls=':', lw=2, label='vline_single')
plt.legend(bbox_to_anchor=(1.04, 0.5), loc="center left")
plt.show()

df.plot()

df.plot(color='magenta')

ticks, _ = plt.xticks()
print(f'Date format is pandas api format: {ticks}')

y_min = df.v.min()
y_max = df.v.max()

plt.vlines(x=['2020-07-14', '2021-07-14'], ymin=y_min, ymax=y_max, colors='purple', ls='--', lw=2, label='vline_multiple')
plt.vlines(x='2020-12-25', ymin=y_min, ymax=8, colors='green', ls=':', lw=2, label='vline_single')
plt.legend(bbox_to_anchor=(1.04, 0.5), loc="center left")
plt.show()

Paketversionen

import matplotlib as mpl

print(mpl.__version__)
print(sns.__version__)
print(pd.__version__)

[out]:
3.3.1
0.10.1
1.1.0