Pandas堆叠面积图无法隐藏NaN值的问题排查与求助

我拥有如下CSV格式的数据集，记录了不同版本（release）在对应日期（Date）的计数（count）：

Date,release,count
2019-03-01,buster,0
2019-03-01,jessie,1
2019-03-01,stretch,74
2019-08-15,buster,25
2019-08-15,jessie,1
2019-08-15,stretch,49
2019-10-07,buster,35
2019-10-07,jessie,1
2019-10-07,stretch,43
2019-10-08,buster,40
2019-10-08,jessie,1
2019-10-08,stretch,38
2019-10-09,buster,46
2019-10-09,jessie,1
2019-10-09,stretch,33
2019-10-23,buster,46
2019-10-23,jessie,1
2019-10-23,stretch,31
2019-11-25,buster,46
2019-11-25,jessie,1
2019-11-25,stretch,29
2020-01-13,buster,48
2020-01-13,jessie,1
2020-01-13,stretch,28
2020-01-29,buster,50
2020-01-29,jessie,1
2020-01-29,stretch,26
2020-03-10,buster,54
2020-03-10,jessie,1
2020-03-10,stretch,22
2020-04-14,buster,55
2020-04-14,jessie,0
2020-04-14,stretch,21
2020-05-11,buster,57
2020-05-11,jessie,0
2020-05-11,stretch,17
2020-05-25,buster,61
2020-05-25,jessie,0
2020-05-25,stretch,14
2020-06-10,buster,62
2020-06-10,stretch,12
2020-07-01,buster,69
2020-07-01,stretch,3
2020-10-30,buster,74
2020-10-30,stretch,2
2020-11-18,buster,76
2020-11-18,stretch,2
2021-08-26,bullseye,1
2021-08-26,buster,86
2021-08-26,stretch,1
2021-10-08,bullseye,4
2021-10-08,buster,86
2021-10-08,stretch,1
2021-11-11,bullseye,4
2021-11-11,buster,84
2021-11-11,stretch,1
2021-11-17,bullseye,4
2021-11-17,buster,85
2021-11-17,stretch,0

使用以下Python代码加载数据、透视转换并绘制堆叠面积图：

import pandas as pd
import matplotlib.pyplot as plt

# Load the data
df = pd.read_csv('subset.csv')

# Pivot the data to a suitable format for plotting
df = df.pivot_table(index="Date", columns='release', values='count', aggfunc='sum')

# Convert the index to datetime and sort it
df.index = pd.to_datetime(df.index)

print(df)

# Plotting the data with filled areas
fig, ax = plt.subplots(figsize=(12, 6))
df.plot(ax=ax, kind="area", stacked=True)

plt.show()

透视后的DataFrame中，jessie版本在2020-05-25之后的值均为NaN，bullseye版本在2021-08-26之前的值均为NaN，但绘制的堆叠面积图中，jessie的线条并未在2020-05-25处终止，而是持续显示至图表末尾；bullseye的线条也从图表起始处就开始显示。

改用kind="bar"绘制堆叠柱状图时无此问题，但柱状图无法正确适配时间轴的缩放特性。

请问为何Pandas/matplotlib会将NaN值当作0绘制而非隐藏？dropna方法无法解决此问题（它会删除整行/列而非单个单元格），该如何处理才能让堆叠面积图正确隐藏NaN值对应的部分？

问题原因 #

Pandas的area绘图方法在处理堆叠面积图时，会自动对NaN值进行线性插值或者将其视为连续序列的一部分，而不是直接截断。这是因为面积图需要连续的填充区域，默认的绘图逻辑会尝试补全缺失值，导致NaN的位置被填充为前后值的延续，看起来像是当作0处理，但实际是插值后的结果。而柱状图是离散的，每个日期独立绘制，所以不会有这个问题。

处理方法 #

要让堆叠面积图正确隐藏NaN对应的部分，需要手动处理每个版本的时间序列，只保留有数据的区间，然后分别绘制每个版本的面积图，再手动堆叠：

• 遍历每个版本（列），提取该版本非NaN值对应的日期和计数，确保时间序列连续且仅包含有效数据。
• 对每个版本的有效数据，计算堆叠的基准值（即前面所有版本的累计和）。
• 使用matplotlib的fill_between函数手动绘制每个版本的填充区域。

修改后的代码如下：

import pandas as pd
import matplotlib.pyplot as plt

# Load the data
df = pd.read_csv('subset.csv')

# Pivot the data to a suitable format for plotting
df_pivot = df.pivot_table(index="Date", columns='release', values='count', aggfunc='sum')

# Convert the index to datetime and sort it
df_pivot.index = pd.to_datetime(df_pivot.index)
df_pivot = df_pivot.sort_index()

fig, ax = plt.subplots(figsize=(12, 6))

# 初始化堆叠基准值
bottom = pd.Series([0]*len(df_pivot.index), index=df_pivot.index)

# 遍历每个版本，只绘制有有效数据的部分
for release in df_pivot.columns:
    # 获取当前版本的非NaN数据
    data = df_pivot[release].dropna()
    if not data.empty:
        # 对齐基准值到当前版本的时间区间
        aligned_bottom = bottom.loc[data.index]
        # 绘制填充区域
        ax.fill_between(data.index, aligned_bottom, aligned_bottom + data, label=release)
        # 更新基准值（仅在有数据的区间更新）
        bottom.loc[data.index] += data

# 设置图表属性
ax.set_xlabel('Date')
ax.set_ylabel('Count')
ax.set_title('Stacked Area Plot of Release Counts')
ax.legend()
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()

代码说明 #

• 遍历每个版本时，用dropna()提取该版本有数据的日期和计数，确保只处理有效区间。
• bottom变量记录当前堆叠的基准高度，每个版本的填充区域从bottom开始，到bottom+data结束。
• 仅在当前版本有数据的日期区间更新bottom，这样后续版本的堆叠只会在有效区间进行，NaN对应的区域不会被填充。

这种方法完全避免了Pandas自动插值的问题，确保每个版本的线条只在有数据的区间显示，完美符合需求。

内容的提问来源于stack exchange，提问作者anarcat