如何根据分类变量绘制单条多颜色时间序列折线图

要实现单条折线按kind分类显示不同颜色的效果，我们需要修改原有代码的绘图逻辑——不再按类别拆分多条折线，而是分段绘制连续线段，让每段线段的颜色对应其左侧数据点的kind类别，同时保留散点标记和图例。

修改后的完整代码 #

import matplotlib.pyplot as plt

def plot_timeseries_by_category(df, category_col):
    # 获取索引中的唯一年份
    years = df.index.year.unique()
    
    # 为每个年份创建子图
    fig, axes = plt.subplots(len(years), 1, figsize=(10, len(years)*5))
    if len(years) == 1:
        axes = [axes]
    
    # 为所有类别统一分配颜色（保持跨年份颜色一致）
    colors = {category: f'C{index}' for index, category in enumerate(df[category_col].unique())}
    
    for year, ax in zip(years, axes):
        # 筛选当前年份数据并按时间排序（确保绘图顺序正确）
        df_year = df[df.index.year == year].sort_index()
        
        # 按类别绘制散点标记（用于区分数据点并生成图例）
        for category in colors:
            mask = df_year[category_col] == category
            ax.scatter(df_year.index[mask], df_year['dailyp'][mask], color=colors[category], label=category, marker='o')
        
        # 分段绘制连接线，线段颜色取左侧点的类别对应颜色
        for i in range(len(df_year)-1):
            # 获取相邻两个点的时间和数值
            x_points = [df_year.index[i], df_year.index[i+1]]
            y_points = [df_year['dailyp'].iloc[i], df_year['dailyp'].iloc[i+1]]
            # 匹配左侧点的类别颜色
            segment_color = colors[df_year[category_col].iloc[i]]
            # 绘制单段线段
            ax.plot(x_points, y_points, color=segment_color)
        
        # 设置子图样式
        ax.set_title(f'{year} 每日数据按类别着色')
        ax.legend(title=category_col)
        ax.tick_params(axis='x', rotation=45)  # 旋转日期标签避免重叠
    
    plt.tight_layout()
    plt.show()

关键修改说明 #

1. 统一颜色映射：将颜色字典的创建移到年份循环外，确保跨年份的同一kind类别颜色一致。
2. 分段绘制线段：遍历相邻数据点，按左侧点的kind颜色绘制线段，实现单条折线的多色效果。
3. 散点标记+图例：通过散点绘制实现类别区分和图例生成（直接绘制线段无法自动生成图例）。
4. 数据排序：增加sort_index()确保数据严格按时间顺序排列，避免线段绘制混乱。

使用方式 #

直接传入你的DataFrame和类别列名即可调用：

plot_timeseries_by_category(your_dataframe, category_col='kind')

内容的提问来源于stack exchange，提问作者Apollo