如何基于月份为Matplotlib多线图按日期配色？

核心思路 #

不用循环迭代器硬选色，而是先把每条曲线对应的月份值归一化，直接从Matplotlib色图中映射出对应颜色，实现按月份而非绘图顺序配色。

实现步骤及代码 #

1. 数据预处理（用Pandas简化操作）

先把数据读入，解析日期，按日期分组（每条曲线对应同一天的数据），同时提取每条曲线对应的月份：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import cm
from matplotlib.colors import Normalize

# 读入数据（假设数据存为data.csv，也可直接用字符串读取）
data = pd.read_csv('data.csv', sep='\s+', parse_dates=['DATE (YYYY-MM-DDTHH:MI:SSZ)'])
data.rename(columns={'DATE (YYYY-MM-DDTHH:MI:SSZ)': 'date'}, inplace=True)

# 按日期分组，获取每条曲线的数据
groups = data.groupby(data['date'].dt.date)
# 提取每条曲线对应的月份（如11月、12月）
months = [date.month for date, _ in groups]

2. 建立月份到颜色的映射

把月份值归一化到[0,1]区间，然后用选定的色图生成对应颜色：

# 归一化月份值到0-1区间
norm = Normalize(vmin=min(months), vmax=max(months))
# 选择色图（可替换为plasma、coolwarm等内置色图）
cmap = cm.get_cmap('viridis')
# 生成每条曲线对应的颜色
colors = [cmap(norm(month)) for month in months]

3. 绘图并应用颜色

遍历分组数据，用对应颜色绘制A-B曲线：

plt.figure(figsize=(10,6))
# 同时遍历分组数据和对应颜色
for (date, group), color in zip(groups, colors):
    plt.plot(group['A'], group['B'], label=f'{date}', color=color)

plt.xlabel('变量A')
plt.ylabel('变量B')
plt.title('按月份配色的A-B曲线')
plt.legend(title='日期')
# 可选：添加颜色条，直观展示月份与颜色的对应关系
sm = cm.ScalarMappable(norm=norm, cmap=cmap)
sm.set_array([])
plt.colorbar(sm, label='月份')

plt.show()

关键说明 #

• 若数据跨年份，可把月份替换为date.to_period('M')（如2019-11、2020-01），再转换为数值进行归一化
• 色图可根据需求自由替换，直接使用Matplotlib内置色图名称即可
• 颜色条能帮助观察者快速对应颜色与月份的关系，建议添加

内容的提问来源于stack exchange，提问作者Mark