在pyplot折线图中添加间隔/断点且不丢失数据

嘿，我完全懂你的痛点——既要让时间间隔小于1小时的数据点之间保持连线，又得保住那些间隔超过1小时的点，之前的方案直接屏蔽点确实太闹心了。你想通过插NaN来实现断开逻辑是完全正确的思路，大概率是之前的插入方式没找对节奏，咱们来一步步搞定它：

第一步：先把时间序列处理到位 #

首先得确保你的时间列是datetime类型，不然计算时间间隔会出错。假设你用pandas处理数据，先转格式：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 假设你的数据存在df里，timestamp是时间列，value是数值列
df['timestamp'] = pd.to_datetime(df['timestamp'])

然后计算相邻两个数据点的时间间隔（转换成小时）：

df['time_diff'] = df['timestamp'].diff().dt.total_seconds() / 3600

这里diff()会计算后一个时间减前一个的差值，转成小时方便判断是否超过1小时。

第二步：插入NaN实现连线断开 #

核心逻辑是：当相邻两个点的间隔超过1小时时，在它们之间插入一个NaN——matplotlib绘图时遇到NaN会自动断开连线，但原始的两个数据点依然会显示（只要你加了marker）。

用列表推导式的写法（直观好理解）：

y_with_gaps = []
for idx in range(len(df)):
    # 先把当前点的数值加进去
    y_with_gaps.append(df['value'].iloc[idx])
    # 如果不是最后一个点，且下一个间隔超过1小时，就插NaN
    if idx < len(df) - 1 and df['time_diff'].iloc[idx + 1] > 1:
        y_with_gaps.append(np.nan)

如果追求效率，也可以用numpy的insert方法（适合大数据量）：

# 标记哪些位置的下一个间隔超过1小时（从第2个点开始判断）
gap_mask = (df['time_diff'].iloc[1:] > 1).values
# 计算需要插入NaN的位置：每个符合条件的位置+1（要在当前点后面插）
insert_pos = np.where(gap_mask)[0] + 1
# 给数值数组插入NaN
y_with_gaps = np.insert(df['value'].values, insert_pos, np.nan)

第三步：绘图验证 #

最后绘图的时候，记得加上marker='o'（或者你喜欢的标记样式），这样所有原始数据点都会显示出来，间隔大的地方连线自动断开：

plt.figure(figsize=(12, 6))
plt.plot(df['timestamp'], y_with_gaps, marker='o', linestyle='-', linewidth=1)
plt.xlabel('Timestamp')
plt.ylabel('Value')
plt.title('Time Series with Gaps for Intervals > 1 Hour')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

为啥之前插NaN没成功？ #

大概率是这两个原因：

1. 时间列没转成datetime类型，导致时间间隔计算错误，插NaN的位置判断错了；
2. 没有在间隔大的两个点之间插NaN，而是替换了某个点的数值，这样反而会丢点或者断开逻辑不对。

这样操作下来，既能保留所有数据点，又能让超过1小时的间隔自动断开连线，完美符合你的需求～

内容的提问来源于stack exchange，提问作者Shawn