如何从Pandas DataFrame多列筛选破纪录高低值并绘制对比图？

没问题，我来一步步帮你搞定这个需求——从包含每日高低值的DataFrame里筛选出打破历史最高/最低纪录的数据，再用Matplotlib画出对应的可视化图。咱们用你给的示例数据来演示整个流程。

1. 导入依赖库 #

首先得把需要的工具库导入进来：

import pandas as pd
import matplotlib.pyplot as plt

2. 创建并预处理示例DataFrame #

先补全你的示例数据，然后把日期列转为datetime类型（这一步很关键，能确保后续排序和绘图的日期逻辑正确）：

# 补全示例数据集
new_data = {
    'Date': ['1/1/2015', '1/2/2015', '1/3/2015', '1/4/2015', '1/5/2015'],
    'new_low': [10, 25, 24, 21, 15],
    'new_high': [35, 37, 38, 36, 40]
}

# 创建DataFrame并转换日期格式
df = pd.DataFrame(new_data)
df['Date'] = pd.to_datetime(df['Date'])

3. 计算累积历史最高/最低值 #

要判断当日是否打破纪录，需要对比截至当日的所有历史数据的最高/最低值。Pandas的cummax()和cummin()函数正好能帮我们计算累积的最大/最小值：

# 计算累积历史最高值（到当日为止的所有新高最大值）
df['cum_high'] = df['new_high'].cummax()
# 计算累积历史最低值（到当日为止的所有新低最小值）
df['cum_low'] = df['new_low'].cummin()

简单解释下：cummax()会逐行计算到当前行为止的最大值，比如1/3/2015的cum_high是38，因为前三天的新高是35、37、38，最大值是38；到1/5/2015时，cum_high更新为40，因为当日新高40超过了之前的38。

4. 筛选破纪录的数据 #

当当日的new_high等于cum_high时，说明这一天创造了新的历史最高；同理，new_low等于cum_low时就是新的历史最低：

# 筛选所有历史最高纪录行
high_records = df[df['new_high'] == df['cum_high']]
# 筛选所有历史最低纪录行
low_records = df[df['new_low'] == df['cum_low']]

你可以打印结果验证：

print("历史最高纪录：")
print(high_records)
print("\n历史最低纪录：")
print(low_records)

5. 用Matplotlib可视化 #

我们要实现两个核心效果：

• 旧纪录（累积的最高/最低值）用折线图展示趋势
• 新纪录的点用散点图突出显示，区分最高和最低的颜色

# 创建画布和轴对象，设置合适的尺寸
fig, ax = plt.subplots(figsize=(10, 6))

# 绘制累积历史最高/最低的折线图（旧纪录趋势线）
ax.plot(df['Date'], df['cum_high'], color='orange', linestyle='--', label='历史最高趋势线')
ax.plot(df['Date'], df['cum_low'], color='blue', linestyle='--', label='历史最低趋势线')

# 绘制历史最高纪录的散点（用红色上三角标记）
ax.scatter(high_records['Date'], high_records['new_high'], color='red', s=100, marker='^', label='新历史最高')
# 绘制历史最低纪录的散点（用深蓝色下三角标记）
ax.scatter(low_records['Date'], low_records['new_low'], color='darkblue', s=100, marker='v', label='新历史最低')

# 添加图表装饰，提升可读性
ax.set_title('每日高低值与历史纪录对比', fontsize=14)
ax.set_xlabel('日期', fontsize=12)
ax.set_ylabel('数值', fontsize=12)
ax.legend()
ax.grid(True, alpha=0.3)

# 自动调整日期标签角度，避免重叠
plt.xticks(rotation=45)
plt.tight_layout()

# 显示图表
plt.show()

额外提示 #

• 如果你的数据集很大，cummax()和cummin()的计算效率非常高，完全不用担心性能问题
• 日期列一定要转成datetime类型，不然绘图时日期可能会乱序
• 可以根据需求调整散点的大小、颜色和标记样式，让可视化更贴合你的场景

内容的提问来源于stack exchange，提问作者Tim Knutson