Matplotlib中按X事件指定时间区间修改折线轨迹颜色的实现方法

核心逻辑非常直接：不要一次性把整条折线用单种颜色画完，把普通区段和事件覆盖区段拆分成独立的绘制单元，在同一坐标轴上分层叠加绘制即可。Matplotlib本身支持同一坐标轴上多次调用plot()方法，后绘制的内容会自动叠加在已有图层上方，完全不需要改动基础绘图逻辑。 #

具体操作步骤 #

• 第一步：结构化解析原始数据，提取所有带X标记的事件时间区间
  按照你描述的规则，带X标记的条目对应的事件区间为：事件开始时间 = 条目标注的时间戳 - 事件持续时长，事件结束时间 = 条目标注的时间戳。比如你例子中13:59:19的19秒X事件，计算出来的区间就是13:59:00~13:59:19，用datetime.timedelta直接做时间加减就能得到。
• 第二步：先绘制全量基础折线
  用默认的普通颜色（比如默认蓝色）把所有采样点的折线完整画一遍，作为底层图层，设置合适的线宽、标记样式。
• 第三步：逐段绘制高亮的事件区段
  对每一个计算出来的事件时间区间，单独提取落在区间内的采样点坐标，用目标高亮颜色（比如红色）单独绘制这一小段折线，叠在基础折线上方即可。

  注意：事件区间的边界往往不会刚好和你原有的采样点位置重合，直接用原始采样点截取会导致高亮段的端点和基础线不贴合、出现断开或者错位。这里需要用线性插值的方式，计算出事件区间两个边界点对应的Y值，把插值得到的两个端点和区间内部的原始采样点串成连续的坐标序列再绘制，就能实现完全贴合的变色效果。

• 第四步：修复原有代码的小问题
  你现有代码里直接引用了未定义的ax变量，运行会报错，需要先通过ax = plt.gca()获取当前坐标轴实例，再调用后续的标签设置方法。

可直接运行的参考代码 #

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime as dt
import numpy as np

# 1. 解析原始全量数据（包含事件标记）
raw_data = [
    ("6/12/20 13:51:43", 45.3, None, None),
    ("6/12/20 13:59:19", 46.1, 19, "X"),
    ("6/12/20 14:1:43", 46.2, None, None),
    ("6/12/20 14:11:43", 47.1, None, None),
    ("6/12/20 14:14:6", 46.5, 28, "X"),
    ("6/12/20 14:17:41", 46.5, 25, "X"),
    ("6/12/20 14:19:59", 46.0, 35, "X")
]

# 转换日期格式，提取基础绘图用的x、y序列，同时收集需要高亮的事件区间
x = []
y = []
highlight_intervals = []
for time_str, y_val, duration, mark in raw_data:
    time_point = dt.datetime.strptime(time_str, '%d/%m/%y %H:%M:%S')
    x.append(time_point)
    y.append(y_val)
    # 遇到带X标记的条目，计算事件覆盖区间
    if mark == "X":
        event_start = time_point - dt.timedelta(seconds=duration)
        event_end = time_point
        highlight_intervals.append( (event_start, event_end) )

# 2. 绘制基础折线（底层普通颜色）
fig, ax = plt.subplots(figsize=(10, 6))
ax.plot(x, y, color="#1f77b4", linewidth=2, marker='o', label="常规数据")

# 3. 逐段绘制高亮的事件区段
x_num = mdates.date2num(x)  # 把datetime转为可插值的浮点数坐标
y_arr = np.array(y)
for start, end in highlight_intervals:
    start_num = mdates.date2num(start)
    end_num = mdates.date2num(end)
    # 线性插值计算区间两个边界点对应的Y值
    y_start = np.interp(start_num, x_num, y_arr)
    y_end = np.interp(end_num, x_num, y_arr)
    # 组装高亮段的连续坐标
    seg_x = [start_num] + [xi for xi in x_num if start_num < xi < end_num] + [end_num]
    seg_y = [y_start] + [yi for xi, yi in zip(x_num, y_arr) if start_num < xi < end_num] + [y_end]
    # 用高亮颜色绘制小段折线，线宽稍大避免被底层线盖住
    ax.plot(seg_x, seg_y, color="#d62728", linewidth=3, label="X事件覆盖段")

# 4. 配置坐标轴格式
ax.xaxis.set_major_formatter(mdates.DateFormatter('%d/%m/%y %H:%M:%S'))
ax.xaxis.set_major_locator(mdates.MinuteLocator(interval=5))
ax.grid()
plt.setp(ax.get_xticklabels(), size=8)
# 处理图例重复问题（多个高亮段不要重复生成图例项）
handles, labels = ax.get_legend_handles_labels()
by_label = dict(zip(labels, handles))
ax.legend(by_label.values(), by_label.keys())

plt.gcf().autofmt_xdate()
plt.show()

效果说明 #

• 所有没有被X事件覆盖的折线会保持默认的蓝色
• 每个X事件从开始到结束的整段折线会被红色覆盖，因为用了插值计算边界，高亮段和周围的普通折线完全连续，不会出现断裂、错位的情况
• 因为高亮段的线宽比基础线稍粗，视觉上会很清晰区分事件区段

内容的提问来源于stack exchange，提问作者javk123