如何在pandas时序图中为缺失观测值添加间隙显示

你已经完成日期字段的时间戳转换，接下来只需要通过重索引补全完整日期序列，再根据你要的间隙/水平线段效果做对应处理即可，以下是可直接复用的实现：

• 第一步：补全连续日期索引
  先将日期列设为DataFrame索引，用pd.date_range生成从首条数据到末条数据的连续时间序列，通过reindex补全所有缺失日期，缺失日期对应的观测值会自动赋值为NaN：

  import pandas as pd
  import matplotlib.pyplot as plt
  
  # 替换为你自己的列名即可
  df = df.set_index("date_col")
  # freq参数根据你的时间粒度调整：日级是D、小时级是H、周级是W
  full_dates = pd.date_range(start=df.index.min(), end=df.index.max(), freq="D")
  df_full = df.reindex(full_dates)
  

效果1：无观测值位置显示断带间隙 #

Matplotlib对连续时间轴上的NaN值默认会断开绘图线条，直接用补全后的DataFrame绘图就能自动生成间隙，不需要额外处理：

fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(df_full.index, df_full["value_col"])
ax.tick_params(axis="x", rotation=45)
plt.tight_layout()
plt.show()

如果绘图没有出现预期间隙，先检查是否在绘图前误调用了填充空值的方法，或升级pandas、matplotlib到较新版本。 #

效果2：无观测值位置显示水平线段 #

需要水平延伸上一个观测值到下一个新观测点的话，对补全后的空值做前向填充即可：

# 用上一个非空观测值填充缺失日期的数值
df_fill = df_full.ffill()

fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(df_fill.index, df_fill["value_col"], label="连续序列")
# 可选：叠加原始观测点的散点标记，区分真实值和填充段
ax.scatter(df.index, df["value_col"], c="crimson", s=20, label="原始观测值")
ax.legend()
ax.tick_params(axis="x", rotation=45)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者andre