在Pandas DataFrame中拼接NumPy数组并绘制带间隙的时间序列图

要在缺失样本的位置显示间隙，核心是为每个测量值生成连续的时间索引，让样本断档的区间自然没有数据，绘图时线条就会自动断开。以下是具体实现步骤：

1. 构造时间索引 #

每个measurements数组包含7个测量值，假设每个样本内的测量是等间隔的，我们可以为每个测量点生成对应的时间值：以样本编号为起始，每个测量点的时间为 样本编号 + i/7（i从0到6），这样每个样本内的时间是连续的，而样本之间的断档（比如2到5）会形成明显的时间间隔。

2. 合并时间与测量值 #

将每个样本的时间点和对应测量值配对，合并成一个完整的时间序列DataFrame。

3. 绘制带间隙的时间序列 #

利用matplotlib绘图时，缺失数据的区间会自动断开线条，呈现间隙效果。

完整代码示例 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 原始DataFrame
data = {
    'sample': [1, 2, 5, 7],
    'measurements': [
        np.array([0.2, 0.22, 0.3, 0.7, 0.4, 0.35, 0.2]),
        np.array([0.2, 0.17, 0.6, 0.6, 0.54, 0.32, 0.2]),
        np.array([0.2, 0.39, 0.40, 0.53, 0.41, 0.3, 0.2]),
        np.array([0.2, 0.29, 0.46, 0.68, 0.44, 0.35, 0.2])
    ]
}
df = pd.DataFrame(data)

# 生成时间点和测量值列表
time_points = []
measure_values = []

for _, row in df.iterrows():
    sample_num = row['sample']
    meas_array = row['measurements']
    # 生成当前样本的7个时间点：[sample_num, sample_num+1)区间内均分7份
    times = np.linspace(sample_num, sample_num + 1, len(meas_array), endpoint=False)
    time_points.extend(times)
    measure_values.extend(meas_array)

# 构建时间序列DataFrame
time_series_df = pd.DataFrame({
    'time': time_points,
    'value': measure_values
}).sort_values('time').reset_index(drop=True)

# 绘图
plt.figure(figsize=(10, 5))
plt.plot(time_series_df['time'], time_series_df['value'], marker='o', linestyle='-')
plt.xlabel('Time')
plt.ylabel('Measurement Value')
plt.title('Time Series with Gaps for Missing Samples')
plt.grid(True)
plt.show()

效果说明 #

运行代码后，图表中样本2的最后一个时间点约为2.857，样本5的第一个时间点是5，两者之间无数据，线条会自动断开；同理样本5到7之间也会显示明显间隙，完美呈现数据的断档情况。

内容的提问来源于stack exchange，提问作者MAtennis9