如何平滑Matplotlib折线图？海量日期离散数据需绘制趋势线

嘿，我太懂你现在的烦恼了——直接用pandas画出来的离散折线确实看起来乱糟糟的，完全体现不出趋势！要做出平滑的趋势线，其实有两种非常实用的方法，我给你一步步讲清楚：

方法一：插值法生成贴合数据的平滑曲线 #

这种方法会在原始数据点之间生成连续的插值点，让折线变得丝滑，而且能很好贴合原始数据。关键是要先把日期索引转成真正的datetime类型，不然pandas没法正确处理时间序列：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
matplotlib.style.use('ggplot')

# 你的原始日期数据
matr = {'2017-03-01':20,'2017-03-02':1,'2017-03-03':50}

# 第一步：把字符串索引转成datetime类型，这是核心前提！
p = pd.Series(data=matr.values(), index=pd.to_datetime(matr.keys()))

# 第二步：重采样到更细的时间粒度（比如每小时），再用三次样条插值填充
# 你也可以试试其他插值方法：linear（线性）、quadratic（二次样条）
p_smooth = p.resample('H').interpolate(method='spline', order=3)

# 第三步：绘图，同时保留原始数据点做参考
plt.figure(figsize=(14,10))
# 画平滑趋势线
p_smooth.plot(label='平滑趋势线', marker=None, linewidth=2)
# 画原始数据点（用散点更清晰）
p.plot(label='原始数据点', marker='o', linestyle='None', color='red')
plt.grid(True)
plt.xticks(rotation=0)
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.show()

方法二：多项式拟合得到整体趋势线 #

如果你的需求是看整体趋势，不需要完全贴合每个数据点（比如个别点是异常值），那多项式拟合就更合适：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib
import numpy as np
matplotlib.style.use('ggplot')

matr = {'2017-03-01':20,'2017-03-02':1,'2017-03-03':50}
p = pd.Series(data=matr.values(), index=pd.to_datetime(matr.keys()))

# 把日期转成连续数值（比如距离第一个日期的天数），方便拟合计算
x = np.arange(len(p))
y = p.values

# 用三次多项式拟合，degree可以调整（比如2是二次拟合）
# 注意：degree不要超过数据点数量-1，避免过拟合
z = np.polyfit(x, y, 3)
p_fit = np.poly1d(z)

# 生成更多的连续x点，让拟合线更平滑
x_smooth = np.linspace(x.min(), x.max(), 100)
y_smooth = p_fit(x_smooth)

# 绘图
plt.figure(figsize=(14,10))
# 把数值x转回日期索引，保证横轴正确显示
plt.plot(p.index[x_smooth.astype(int)], y_smooth, label='拟合趋势线', linewidth=2)
# 原始数据点用散点展示
plt.scatter(p.index, y, label='原始数据点', color='red')
plt.grid(True)
plt.xticks(rotation=0)
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.show()

小提示 #

• 不管用哪种方法，一定要把索引转成datetime类型，不然时间轴的处理会出问题
• 插值法里，spline的平滑效果最好，适合需要贴合数据的场景；linear是线性插值，会生成更紧凑的折线
• 多项式拟合的degree别设太高，比如你只有3个数据点，最多用3次多项式，数据量多的话用2-3次就足够，避免过拟合

内容的提问来源于stack exchange，提问作者NCNecros