使用Python拆分数据并用实线和虚线绘制它们

我想将以下数据分为两部分：2018-09年至2019-11年的观测数据和2019-12年至日期结束列的预测数据，分别用matplotlib、plotly或seaborn等绘制实线和虚线

我尝试了如下代码，首先我得到了一个错误，其次我还没有绘制pct。有人能帮忙吗？多谢各位

df = df.set_index('date')
plt.plot('date', 'price', data=df.loc['2018-09':'2019-11'], marker='o', color='green', linewidth=2)
plt.plot('date', 'price', data=df.loc['2019-12':], marker='o', color='green', linewidth=2, linestyle = '--')

它生成ValueError:x和y必须具有相同的第一维度，但具有形状1和15

编辑：这段代码已经成功地绘制了价格的绘图，但我需要在同一个绘图上绘制pct

df['date'] = pd.to_datetime(df['date'])

# https://stackoverflow.com/questions/46230864/split-dataframe-on-the-basis-of-date
split_date ='2019-12-01'
plt.figure(figsize=(10, 5))
plt.plot('date', 'rent_price', data = df.loc[df['date'] <= split_date], marker='o', color='red', linewidth=2)
plt.plot('date', 'rent_price', data = df.loc[df['date'] >= split_date], marker='o', color='green', linewidth=2, linestyle = '--')

---

如果尺寸不同，可以尝试使用子批次单独打印数据。网站上有关于子地块的文档和教程

df = df.set_index('date')
plt.subplot(211)
plt.plot('date', 'rent_price', data=df.loc['2018-09':'2019-11'], marker='o', color='green', linewidth=2)
plt.xlabel('Observed')
plt.subplot(212)
plt.plot('date', 'rent_price', data=df.loc['2019-12':], marker='o', color='green', linewidth=2, linestyle = '--')
plt.xlabel('Predicted')
plt.show()

---

如果尺寸不同，可以尝试使用子批次单独打印数据。网站上有关于子地块的文档和教程

df = df.set_index('date')
plt.subplot(211)
plt.plot('date', 'rent_price', data=df.loc['2018-09':'2019-11'], marker='o', color='green', linewidth=2)
plt.xlabel('Observed')
plt.subplot(212)
plt.plot('date', 'rent_price', data=df.loc['2019-12':], marker='o', color='green', linewidth=2, linestyle = '--')
plt.xlabel('Predicted')
plt.show()

---

我认为你所描述的最好是用这样的方式来描述：

完整代码：

---

我认为你所描述的最好是用这样的方式来描述：

完整代码：

---

我想我们需要使用fig，ax1=plt.subplot ax2=ax1.twinx。参考：这个答案是调用pandas中数据帧的plot方法。df3.plot，因此如果以这种方式执行，则需要使用df.plot并使用ax=ax1或ax2。我不确定您希望它如何显示，因为日期不同，但也在x轴上使用。我认为我们需要使用fig，ax1=plt.subplot ax2=ax1.twinx。参考：这个答案是调用pandas中数据帧的plot方法。df3.plot，因此如果以这种方式执行，则需要使用df.plot并使用ax=ax1或ax2。我不确定您希望它如何显示，因为日期不同，但也在x轴上使用。很抱歉，它会生成ModuleNotFoundError：没有名为“plotly.SubPlot”的模块。顺便问一下，我们可以用plotly在行上显示值吗？@ahbon现在只在电话上签入。我明天再打给你。当然，谢谢。我将更新我的问题，将pct转换为百分比格式，并需要在绘图上显示pct和价格的值。我试过matplotlib，它对pct的显示值不太起作用。@ahbon Plotly几乎可以显示任何内容。但您必须先安装它=抱歉，它会生成ModuleNotFoundError:没有名为“plotly.SubPlot”的模块。顺便问一下，我们可以用plotly在行上显示值吗？@ahbon现在只在手机上签入。我明天再打给你。当然，谢谢。我将更新我的问题，将pct转换为百分比格式，并需要在绘图上显示pct和价格的值。我试过matplotlib，它对pct的显示值不太起作用。@ahbon Plotly几乎可以显示任何内容。但你必须先安装它=

# imports
from plotly.subplots import make_subplots
import plotly.graph_objects as go
import pandas as pd

# your data
df = pd.DataFrame({'date': {0: '2018-09',
                          1: '2018-10',
                          2: '2018-11',
                          3: '2018-12',
                          4: '2019-01',
                          5: '2019-02',
                          6: '2019-03',
                          7: '2019-04',
                          8: '2019-05',
                          9: '2019-06',
                          10: '2019-07',
                          11: '2019-08',
                          12: '2019-09',
                          13: '2019-10',
                          14: '2019-11',
                          15: '2019-12',
                          16: '2020-01',
                          17: '2020-02',
                          18: '2020-03',
                          19: '2020-04',
                          20: '2020-05'},
                         'price': {0: 10.599,
                          1: 10.808,
                          2: 10.418,
                          3: 10.166,
                          4: 9.995,
                          5: 10.663,
                          6: 10.559000000000001,
                          7: 10.055,
                          8: 10.690999999999999,
                          9: 10.765999999999998,
                          10: 10.667,
                          11: 10.504000000000001,
                          12: 10.284,
                          13: 10.047,
                          14: 9.717,
                          15: 9.908,
                          16: 9.57,
                          17: 9.754,
                          18: 9.779,
                          19: 9.777000000000001,
                          20: 9.932},
                         'pct': {0: 0.02,
                          1: 0.02,
                          2: -0.036000000000000004,
                          3: -0.024,
                          4: -0.017,
                          5: 0.067,
                          6: -0.01,
                          7: -0.048,
                          8: 0.063,
                          9: 0.006999999999999999,
                          10: -0.009000000000000001,
                          11: -0.015,
                          12: -0.021,
                          13: -0.023,
                          14: -0.033,
                          15: -0.028999999999999998,
                          16: -0.045,
                          17: -0.023,
                          18: -0.025,
                          19: -0.031,
                          20: -0.02}})

# make timestamp to make plotting easier
df['timestamp']=pd.to_datetime(df['date'])
df=df.set_index('timestamp')

# split data
df_predict = df.loc['2019-11':]
df_actual = df[~df.isin(df_predict)].dropna()


# plotly setup
fig = make_subplots(rows=2,
                    cols=1,
                    subplot_titles=('Price',  'Pct')) 

# Price, actual
fig.add_trace(go.Scatter(x=df_actual.index, y=df_actual['price'],
                         name = "price, actual",
                         mode='lines',
                         line=dict(color='steelblue', width=2)
                        )
              ,row=1, col=1)

# Price, prediction
fig.add_trace(go.Scatter(x=df_predict.index, y=df_predict['price'],
                         name = "price, prediction",
                         mode='lines',
                         line=dict(color='firebrick', width=2, dash='dash')
                        ),
                         row=1, col=1)

# pct actual
fig.add_trace(go.Scatter(x=df_actual.index, y=df_actual['pct'],
                         mode='lines',
                         name = "pct, actual",
                         line=dict(color='steelblue', width=2)
                        )
              ,row=2, col=1)

# pct prediction
fig.add_trace(go.Scatter(x=df_predict.index, y=df_predict['pct'],
                         name="pct, prediction",
                         mode='lines',
                         line=dict(color='firebrick', width=2, dash='dash')
                        ),
                         row=2, col=1)

fig.show()