- Jak wykreślić pionową linię (
vlines
) na wykresie serii Pandas? - Używam Pand do kreślenia środków toczenia itp. I chciałbym oznaczyć ważne pozycje linią pionową.
- Czy można użyć
vlines
lub czegoś podobnego, aby to osiągnąć? - W tym przypadku oś x to
datetime
.
python
matplotlib
plot
pandas
aetodd
źródło
źródło
Jeśli masz oś czasu i masz Pandy zaimportowane jako pd, możesz użyć:
ax.axvline(pd.to_datetime('2015-11-01'), color='r', linestyle='--', lw=2)
W przypadku wielu linii:
xposition = [pd.to_datetime('2010-01-01'), pd.to_datetime('2015-12-31')] for xc in xposition: ax.axvline(x=xc, color='k', linestyle='-')
źródło
xposition = [pd.to_datetime('01/04/2016'), pd.to_datetime('02/04/2016'),pd.to_datetime('03/04/2016')]
wtedyfor xc in xposition: ax.axvline(x=xc, color='k', linestyle='-')
. I mam:ValueError: ordinal must be >= 1.
. Co jest nie tak?Funkcja wykresu DataFrame zwraca
AxesSubplot
obiekt i na nim możesz dodać dowolną liczbę linii. Spójrz na przykładowy kod poniżej:%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="--")
źródło
matplotlib.pyplot.vlines
pandas.to_datetime
do konwersji kolumn nadatetime
dtype.ymin
&ymax
są określone jako konkretna wartość y, a nie jako procentylim
axes
się do czegoś podobnegofig, axes = plt.subplots()
, zmieńplt.xlines
naaxes.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()
wersje pakietów
import matplotlib as mpl print(mpl.__version__) print(sns.__version__) print(pd.__version__) [out]: 3.3.1 0.10.1 1.1.0
źródło
plt.style.use('seaborn')