matplotlib pyplot 按DataFrame条件改折线色、绘制绿色垂直阴影矩形
折线图定制实现方案
实现逻辑
- 分段折线变色:先绘制全段基础蓝色折线,再提取
a_red列标记为True的连续日期区间,单独绘制区间内的折线为红色,无需重复绘制非标记段,减少冗余计算 - 全高绿色竖块:提取
green_bar列标记为True的连续日期区间,借助Matplotlib自带的axvspan()方法绘制跨全图高度的矩形,设置较低透明度实现半透明效果;区间左右各偏移半个日期间隔,保证相邻标记日期无缝拼接为连续块,无视觉缝隙
关键细节处理
- 自动识别连续区间:通过相邻值状态变化标记为连续同值序列分配组号,自动切分所有连续为True的日期区间,适配标记在数据开头、结尾的边界场景,无需手动硬编码日期范围
- 视觉层级优化:将绿色竖块的渲染层级设置为低于折线层级,避免半透明块遮挡折线的可读性
- 边缘适配:将x轴左右边界向外各扩展半个日期间隔,防止边缘位置的竖块、折线端点被画布截断
完整实现代码
import matplotlib.pyplot as plt import pandas as pd # 构造示例DataFrame import io data = io.StringIO(""" date|A|a_red|green_bar 2020-01-01|5|False|False 2020-01-02|6|True|False 2020-01-03|7|True|False 2020-01-04|4|False|True 2020-01-05|5|False|True 2020-01-06|5|False|False""") df = pd.read_csv(data, sep='|', parse_dates=['date']) df = df.set_index('date') # 工具函数:从布尔标记列中提取所有连续为True的日期区间 def extract_true_ranges(bool_series): # 标记相邻值的状态变化点,为连续同值序列分配唯一组号 group_flag = (bool_series != bool_series.shift()).cumsum() ranges = [] # 遍历每个分组,仅保留全为True的分组的起止日期 for _, group in bool_series.groupby(group_flag): if group.all(): ranges.append((group.index.min(), group.index.max())) return ranges # 绘图流程 with plt.style.context('seaborn'): fig, ax = plt.subplots(figsize=(10, 5)) # 绘制基础蓝色全段折线 ax.plot(df['A'], color='blue', label='A指标值') # 实现a_red列对应的红色分段折线 red_segments = extract_true_ranges(df['a_red']) for start_date, end_date in red_segments: segment_data = df.loc[start_date:end_date, 'A'] ax.plot(segment_data.index, segment_data.values, color='red') # 实现green_bar列对应的全高半透明竖块 green_blocks = extract_true_ranges(df['green_bar']) for start_date, end_date in green_blocks: ax.axvspan( start_date - pd.Timedelta(days=0.5), end_date + pd.Timedelta(days=0.5), color='green', alpha=0.3, zorder=0 # 保证竖块在折线下层渲染 ) # 调整x轴范围,避免边缘元素被截断 ax.set_xlim( df.index.min() - pd.Timedelta(days=0.5), df.index.max() + pd.Timedelta(days=0.5) ) ax.legend() plt.show()
实际匹配效果
- 2020-01-02至2020-01-03区间的A值折线自动切换为红色,其余区间保持基础蓝色
- 2020-01-04至2020-01-05区间生成连续的半透明绿色全高竖块,无视觉拼接缝隙
内容的提问来源于stack exchange,提问作者Mike
相关产品推荐
相关产品推荐

