在Jupyter Notebook中，如何高亮matplotlib图中特定x值范围的子序列？

嗨，这个需求在时间序列可视化里太常用啦！结合你用numpy数组和Jupyter Notebook的场景，我给你分享两种实用的方法，直接就能上手：

方法1：用背景高亮标记范围（最简单） #

如果只是想突出某个X区间的背景，用ax.axvspan()就够了，它能快速画出一个垂直的矩形区域，不会影响原曲线的显示。

完整代码示例 #

%matplotlib inline  # Jupyter Notebook里加这个让图表直接显示
import numpy as np
import matplotlib.pyplot as plt

# 生成模拟的时间序列数据（替换成你的numpy数组即可）
x = np.arange(0, 10, 0.1)  # X轴数据，比如时间戳
y = np.sin(x) + np.random.randn(len(x))*0.1  # Y轴数据

# 绘制原始时间序列
fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(x, y, label='原始序列')

# 高亮X范围：比如x=3到x=7的区域
start_x = 3
end_x = 7
ax.axvspan(start_x, end_x, facecolor='yellow', alpha=0.3, label='高亮区间')

# 添加图例和标签
ax.set_xlabel('时间')
ax.set_ylabel('数值')
ax.legend()
plt.show()

参数说明 #

• start_x/end_x：你要高亮的X范围的起始和结束值
• facecolor：高亮区域的颜色，可替换为'red'、'green'等任意颜色值
• alpha：透明度，0是完全透明，1是完全不透明，建议设为0.2-0.4之间，避免遮挡原曲线

方法2：单独绘制高亮的子序列（突出曲线本身） #

如果想让这段子序列的曲线样式和原曲线不一样（比如更粗、颜色更鲜艳），可以先提取X范围内的子数组，再单独绘制。

完整代码示例 #

%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt

# 同样用模拟数据（替换成你的真实数据）
x = np.arange(0, 10, 0.1)
y = np.sin(x) + np.random.randn(len(x))*0.1

# 绘制原始序列，可适当降低透明度突出高亮部分
fig, ax = plt.subplots(figsize=(10, 4))
ax.plot(x, y, label='原始序列', color='blue', alpha=0.6)

# 定义要高亮的X范围，提取对应的子序列
start_x = 3
end_x = 7
# 用布尔索引筛选出X范围内的数据点
mask = (x >= start_x) & (x <= end_x)
x_highlight = x[mask]
y_highlight = y[mask]

# 绘制高亮的子序列，设置差异化样式
ax.plot(x_highlight, y_highlight, label='高亮子序列', color='red', linewidth=3)

# 添加图例和标签
ax.set_xlabel('时间')
ax.set_ylabel('数值')
ax.legend()
plt.show()

自定义技巧 #

• 可以给高亮曲线加标记点：比如加上marker='o'参数，让这段的数值点更显眼
• 同时结合两种方法：既用axvspan高亮背景，又单独绘制加粗的曲线，视觉效果会更突出

内容的提问来源于stack exchange，提问作者Tín Tr.