我明白你想要在日期-骑行量折线图里突出显示周末的需求，这能让周末和工作日的骑行趋势对比更直观。下面我会一步步教你实现这个效果，结合Matplotlib和Seaborn来完成：

步骤1：预处理数据，标记周末 #

首先确保你的日期列是datetime类型，然后添加一列标记是否为周末：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 假设你的DataFrame是df，日期列名为'date'，总骑行量列名为'total_rides'
df['date'] = pd.to_datetime(df['date'])
# 标记周末：weekday()返回0=周一，6=周日，所以5和6对应周末
df['is_weekend'] = df['date'].dt.weekday.isin([5, 6])

步骤2：绘制基础折线图 #

先用Seaborn画出核心的骑行量趋势线：

plt.figure(figsize=(12, 6))
sns.lineplot(data=df, x='date', y='total_rides', color='#1f77b4', linewidth=2)
ax = plt.gca()

步骤3：高亮周末区域 #

我们可以循环遍历所有周末的日期，用axvspan给每个周末添加半透明的背景色：

# 获取所有周末的日期
weekend_dates = df[df['is_weekend']]['date']
# 去重并排序周末日期
unique_weekends = weekend_dates.dt.date.unique()
unique_weekends.sort()

for date in unique_weekends:
    # 定义周末的时间区间：从当天0点到次日23:59
    start = pd.Timestamp(date)
    end = start + pd.Timedelta(days=1, hours=23, minutes=59)
    # 添加半透明高亮背景
    ax.axvspan(start, end, color='orange', alpha=0.2)

步骤4：优化图表细节 #

最后调整图表的标签、标题和样式，让它更清晰易读：

ax.set_title('每日共享单车骑行量趋势（周末高亮）', fontsize=14)
ax.set_xlabel('日期', fontsize=12)
ax.set_ylabel('总骑行量', fontsize=12)
# 自动旋转x轴日期标签，避免重叠
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

补充说明 #

• 如果你的数据是按天聚合的单条记录，也可以简化高亮逻辑：直接对每个周末日期，高亮当天的x轴区间即可。
• 你可以调整alpha参数（0-1）控制高亮区域的透明度，修改color参数匹配你的参考图表风格。
• 若需要区分周六和周日，可以在循环里判断日期的weekday()值，给两者设置不同的高亮颜色。

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