如何在Dash折线图中去除NaN/0值并优化可视化展示

我明白你想要的效果：让折线图只从第一个非零、非NaN的数值开始绘制，并且只连接这些有效数据点，同时避免之前用fillna(0)带来的图表缩放异常，以及循环过滤的繁琐。其实用Pandas的布尔索引就能轻松搞定，比循环简洁高效多了。

问题根源分析 #

• 用fillna(0)填充NaN会把无效值变成0，导致y轴被拉低，有效数据的变化被压缩，出现缩放异常。
• 直接移除fillna后，Plotly会保留所有x轴点，但遇到NaN时会断开折线，可x轴仍然包含前面的无效点范围，所以缩放问题依旧。
• 循环过滤虽然能实现效果，但代码冗余，且在数据量大时效率不如Pandas的向量操作。

优化解决方案 #

我们可以直接在Pandas层面过滤掉无效行（NaN或y值为0的行），这样得到的x和y列表天然就是有效数据，无需手动循环：

def CreateAvgGraph(input_data):
    # 提取目标行并转置
    KK = test3.loc[[input_data], :]
    K = KK.T.reset_index()
    
    # 过滤：先移除NaN，再移除y值为0的行
    # 注意：如果你的"非零"是指大于等于0以外的数值，可根据需求调整条件
    filtered_data = K.dropna(subset=[input_data])  # 移除含NaN的行
    filtered_data = filtered_data[filtered_data[input_data] > 0]  # 移除y值为0的行
    
    # 提取x和y的列表
    list1aa = filtered_data['index'].tolist()
    list2aa = filtered_data[input_data].tolist()
    
    return dcc.Graph(
        id='example-graph2',
        figure={
            'data': [
                {'x': list1aa, 'y': list2aa, 'type': 'line', 'name': input_data},
            ],
            'layout': {
                'title': f"{input_data} Average Price"
            }
        }
    )

优化点说明 #

1. 利用Pandas内置方法过滤：dropna直接移除含NaN的行，布尔索引filtered_data[filtered_data[input_data] > 0]快速筛选出非零值，代码简洁且执行效率远高于手动循环。
2. 保留数据完整性：过滤后的数据只包含有效点，Plotly绘制时会自动从第一个有效点开始，且只连接有效数据，完美解决缩放和折线连接的问题。
3. 代码可读性提升：逻辑清晰，一眼就能看出是在过滤无效数据，比循环更容易维护。

如果你还想确保从第一个有效点开始（即使前面有无效行也完全忽略），这个方案已经满足需求，因为过滤后的list1aa和list2aa会从第一个符合条件的点开始排列。

内容的提问来源于stack exchange，提问作者Samuel Millington