如何基于Seaborn调整折线图代码，展示指定时段多组数据？

嘿，我来帮你搞定这个折线图的需求！你现在的代码生成两个独立图表，想要把Total和MGO放在同一张图里，还要加上2019全年和2020上半年的数据，咱们一步步来：

第一步：把两个系列合并到同一张图 #

不用分开调用两次plot，只需要先创建一个Matplotlib轴对象，然后把两个折线都画在这个轴上就行：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# 创建画布和轴对象，可指定画布大小
fig, ax = plt.subplots(figsize=(10, 6))  

# 在同一个轴上绘制两条折线，添加标签方便区分
Bunker2019_Jan_to_Jun.plot(x='2019', y='Total', ax=ax, label='Total', linewidth=2)
Bunker2019_Jan_to_Jun.plot(x='2019', y='MGO', ax=ax, label='MGO', linewidth=2)

# 美化图表细节
ax.legend(title='Bunker Type')  # 给图例添加标题
ax.set_xlabel('Date', fontsize=12)
ax.set_ylabel('Value', fontsize=12)
ax.set_title('2019 Jan-Jun Bunker Data', fontsize=14)
plt.xticks(rotation=45)  # 旋转日期标签避免重叠
plt.tight_layout()  # 自动调整布局，防止标签被截断
plt.show()

第二步：扩展数据到2019全年+2020上半年 #

首先你需要确保手里有2019年7-12月和2020年1-6月的数据集（假设它们的结构和Bunker2019_Jan_to_Jun一致，列名相同）。我们先把这些数据合并成一个完整的DataFrame，再画图：

1. 合并并整理数据 #

# 假设你有这两个额外的数据集：
# Bunker2019_Jul_to_Dec（2019年7-12月）、Bunker2020_Jan_to_Jun（2020年1-6月）
full_data = pd.concat([Bunker2019_Jan_to_Jun, Bunker2019_Jul_to_Dec, Bunker2020_Jan_to_Jun])

# 关键：把日期列转为datetime类型（如果还不是的话），否则x轴会乱序
full_data['2019'] = pd.to_datetime(full_data['2019'])
# 建议把日期列名改成通用的`date`，避免混淆2019/2020数据：
full_data.rename(columns={'2019': 'date'}, inplace=True)

2. 绘制完整数据的折线图 #

方法一：用Pandas Plot（延续你原来的写法）

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

full_data.plot(x='date', y='Total', ax=ax, label='Total', linewidth=2)
full_data.plot(x='date', y='MGO', ax=ax, label='MGO', linewidth=2)

# 美化设置
ax.legend(title='Bunker Type')
ax.set_xlabel('Date', fontsize=12)
ax.set_ylabel('Bunker Value', fontsize=12)
ax.set_title('Bunker Data: 2019 Full Year & 2020 Jan-Jun', fontsize=14)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

方法二：用Seaborn Lineplot（更适合分类数据）

如果把数据转成长格式，Seaborn的lineplot会更简洁，也更符合Seaborn的使用习惯：

# 把宽格式数据转成长格式（melt），方便Seaborn识别分类
melted_data = full_data.melt(id_vars='date', value_vars=['Total', 'MGO'], 
                             var_name='Bunker Type', value_name='Value')

# 用Seaborn绘制折线图
plt.figure(figsize=(12, 6))
sns.lineplot(data=melted_data, x='date', y='Value', hue='Bunker Type', linewidth=2)

# 美化设置
plt.xlabel('Date', fontsize=12)
plt.ylabel('Value', fontsize=12)
plt.title('Bunker Data: 2019 Full Year & 2020 Jan-Jun', fontsize=14)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

重要注意事项 #

• 确保所有数据集的列名完全一致，否则合并时会出现缺失列的错误；
• 日期列必须是datetime类型，不然x轴会按字符串排序，导致时间顺序混乱；
• 如果2020年的日期列名不是2019，合并前一定要重命名成统一的（比如date），避免数据错位。

内容的提问来源于stack exchange，提问作者Charles