如何绘制含NA的DataFrame：用直线连接有效数据点避免断裂图

我有一个各列包含大量缺失值（NA）的DataFrame，希望绘制图表时，各列的有效数据点用直线连接（忽略NA），而非呈现断裂的图表。

现有代码示例如下：

import numpy as np
import pandas as pd

pd.options.plotting.backend = "plotly"

d = pd.DataFrame(data = np.random.choice([np.nan] + list(range(7)), size=(10,3)))
d.plot(markers=True)

目前已尝试逐列添加Scatter Trace的方式实现：

fig = go.Figure()
fig.add_trace(go.Scatter(x=x, y=y, name="linear",
                    line_shape='linear'))

请问是否有更优的实现方式？

可以利用Plotly的connectgaps参数自动忽略NA并连接有效数据点，无需手动逐列添加Trace，以下两种方式更高效：

方式一：直接在df.plot()中配置参数 #

通过plot()方法的kwargs统一给所有Trace传入connectgaps=True：

import numpy as np
import pandas as pd

pd.options.plotting.backend = "plotly"

d = pd.DataFrame(data = np.random.choice([np.nan] + list(range(7)), size=(10,3)))
d.plot(markers=True, connectgaps=True)

方式二：批量修改已生成图表的Trace属性 #

如果已经生成了Figure对象，可遍历所有Trace开启connectgaps：

fig = d.plot(markers=True)
for trace in fig.data:
    trace.connectgaps = True
fig.show()

这两种方法在列数较多时能大幅减少代码量，同时保证图表中有效数据点的连续连接。

内容的提问来源于stack exchange，提问作者randomrandom123