python matplotlib中的时间序列奇怪插值

我是matplotlib新手，正在处理的数据值仅在周一到周五的

9

到

5

区间内

当我试图绘制数据时，我注意到在下一个工作日的

17:00

和

9:00

之间的缺失值之间存在插值，这是因为matplotlib突然包含了缺失的日期时间

我的目标是：

1） 在不连续的左侧添加垂直虚线

2） 删除插值

---

下面是我正在使用的代码片段。代码将生成两个绘图

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

from datetime import datetime


x_var1= pd.date_range(datetime(2014, 1, 14, 9, 0),datetime(2014, 1, 21, 17, 0),
                   freq="30min",
                   tz= 'US/Pacific',
                   closed= 'left'
                   )

x_var1 = x_var1[x_var1.dayofweek < 5]
x_var1= x_var1[x_var1.indexer_between_time('9:00','17:00', include_end= False)]
x_var1= x_var1[x_var1.hour != 12]

np.random.seed(0)
y_var2= np.random.normal(loc= 40, scale= 4.4, size= len(x_var1))
fig, ax= plt.subplots(nrows= 2, ncols= 1)

ax[0].plot(x_var1, y_var2)
ax[0].set_title("This plot has extra interpolation that needs to be removed and needs vertical dotted lines for discontinuities")


x_var2= np.arange(len(x_var1))
ax[1].plot(x_var2, y_var2)
ax[1].set_title("this plot only needs correct xaxis and added vertical dotted lines for discontinuities")

plt.show()

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
从日期时间导入日期时间
x_var1=局部放电日期范围（日期时间（2014,1,14,9,0），日期时间（2014,1,21,17,0），
freq=“30分钟”，
tz=‘美国/太平洋’，
关闭='左'
)
x_var1=x_var1[x_var1.dayofweek<5]
x_var1=x_var1[x_var1.indexer_在时间之间（'9:00'，'17:00'，include_end=False）]
x_var1=x_var1[x_var1.hour！=12]
np.random.seed（0）
y_var2=np.随机.正常（loc=40，刻度=4.4，尺寸=len（x_var1））
图，ax=plt子批次（nrows=2，ncols=1）
ax[0]。绘图（x_var1，y_var2）
ax[0]。设置_标题（“此图有额外的插值，需要删除，不连续性需要垂直虚线”）
x_var2=np.arange（len（x_var1））
ax[1]。绘图（x_var2，y_var2）
ax[1]。设置_标题（“此图只需要正确的X轴，并为不连续添加垂直虚线”）
plt.show（）

我的目标是使顶部曲线图看起来像底部曲线图，但底部曲线图需要将其X轴更改为顶部曲线图的X轴，并在不连续的左侧添加垂直虚线。我对matplotlib的世界还很陌生，所以我不知道如何以pythonical和高效的方式做这些事情

---

编辑：将示例数据集更改为更能反映实际问题的随机数据集。还包括午休时间，因此

12:00

和

12:59

---

以下是我将如何做到这一点。不确定我是否将垂直线放置在正确的不连续面上，但希望您能理解：

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

x_var1= pd.date_range(pd.to_datetime('2014-01-14 09:00:00'), pd.to_datetime('2014-01-21 17:00:00'),
                   freq="30min",
                   tz= 'US/Pacific',
                   closed= 'left'
                   )
x_var1 = x_var1[x_var1.dayofweek < 5]
x_var1= x_var1[x_var1.indexer_between_time('9:00','17:00', include_end= True)]

df = pd.DataFrame(index=x_var1, data=[np.nan]*len(x_var1))
df.iloc[0, 0] = 0
df.iloc[-1, 0] = 100
# to get line with "slope of 1"
df = df.interpolate(method='time')

# mpl won't plot between nan values
df[(df.index.hour == 17) & (df.index.minute == 0)] = np.nan
df[(df.index.hour == 9) & (df.index.minute == 0)] = np.nan
fig, ax = plt.subplots()
df.plot(ax=ax, legend=False)
df[(df.index.hour == 9) & (df.index.minute == 0)] = 0

# we know the discontinuities occur at the end of the days
[plt.axvline(d, ls='--') for d, v in list(zip(df.index, df.iloc[:, 0])) if pd.isnull(v)]

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
x_var1=pd.date_范围（pd.to_datetime（'2014-01-14 09:00:00'）、pd.to_datetime（'2014-01-21 17:00:00'），
freq=“30分钟”，
tz=‘美国/太平洋’，
关闭='左'
)
x_var1=x_var1[x_var1.dayofweek<5]
x_var1=x_var1[x_var1.indexer_在时间之间（'9:00'，'17:00'，包括_end=True）]
df=pd.DataFrame（index=x_var1，data=[np.nan]*len（x_var1））
df.iloc[0，0]=0
df.iloc[-1,0]=100
#要获得与“坡度为1”的直线
df=df.interpolate（method='time'）
#mpl不会在nan值之间绘图
df[（df.index.hour==17）和（df.index.minute==0）]=np.nan
df[（df.index.hour==9）和（df.index.minute==0）]=np.nan
图，ax=plt.子批次（）
df.绘图（ax=ax，图例=False）
df[（df.index.hour==9）和（df.index.minute==0）]=0
#我们知道不连续性发生在一天结束的时候
[plt.axvline（d，ls='--'）表示列表中的d，v（zip（df.index，df.iloc[：，0]），如果pd.isnull（v）]

输出：

---

以下是我将如何做到这一点。不确定我是否将垂直线放置在正确的不连续面上，但希望您能理解：

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

x_var1= pd.date_range(pd.to_datetime('2014-01-14 09:00:00'), pd.to_datetime('2014-01-21 17:00:00'),
                   freq="30min",
                   tz= 'US/Pacific',
                   closed= 'left'
                   )
x_var1 = x_var1[x_var1.dayofweek < 5]
x_var1= x_var1[x_var1.indexer_between_time('9:00','17:00', include_end= True)]

df = pd.DataFrame(index=x_var1, data=[np.nan]*len(x_var1))
df.iloc[0, 0] = 0
df.iloc[-1, 0] = 100
# to get line with "slope of 1"
df = df.interpolate(method='time')

# mpl won't plot between nan values
df[(df.index.hour == 17) & (df.index.minute == 0)] = np.nan
df[(df.index.hour == 9) & (df.index.minute == 0)] = np.nan
fig, ax = plt.subplots()
df.plot(ax=ax, legend=False)
df[(df.index.hour == 9) & (df.index.minute == 0)] = 0

# we know the discontinuities occur at the end of the days
[plt.axvline(d, ls='--') for d, v in list(zip(df.index, df.iloc[:, 0])) if pd.isnull(v)]

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
x_var1=pd.date_范围（pd.to_datetime（'2014-01-14 09:00:00'）、pd.to_datetime（'2014-01-21 17:00:00'），
freq=“30分钟”，
tz=‘美国/太平洋’，
关闭='左'
)
x_var1=x_var1[x_var1.dayofweek<5]
x_var1=x_var1[x_var1.indexer_在时间之间（'9:00'，'17:00'，包括_end=True）]
df=pd.DataFrame（index=x_var1，data=[np.nan]*len（x_var1））
df.iloc[0，0]=0
df.iloc[-1,0]=100
#要获得与“坡度为1”的直线
df=df.interpolate（method='time'）
#mpl不会在nan值之间绘图
df[（df.index.hour==17）和（df.index.minute==0）]=np.nan
df[（df.index.hour==9）和（df.index.minute==0）]=np.nan
图，ax=plt.子批次（）
df.绘图（ax=ax，图例=False）
df[（df.index.hour==9）和（df.index.minute==0）]=0
#我们知道不连续性发生在一天结束的时候
[plt.axvline（d，ls='--'）表示列表中的d，v（zip（df.index，df.iloc[：，0]），如果pd.isnull（v）]

输出：

---

好的，这就是你要找的吗

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

x_var1= pd.date_range(pd.to_datetime('2014-01-14 09:00:00'), pd.to_datetime('2014-01-21 17:00:00'),
                   freq="30min",
                   tz= 'US/Pacific',
                   closed= 'left'
                   )

x_var1 = x_var1[x_var1.dayofweek < 5]
x_var1= x_var1[x_var1.indexer_between_time('9:00','17:00', include_end= True)]
x_var1= x_var1[x_var1.hour != 12]

np.random.seed(0)
y_var2= np.random.normal(loc= 40, scale= 4.4, size= len(x_var1))

df = pd.DataFrame(index=x_var1, data=y_var2)

# mpl won't plot between nan values
df[(df.index.hour == 17) & (df.index.minute == 0)] = np.nan
df[(df.index.hour == 9) & (df.index.minute == 0)] = np.nan
fig, ax = plt.subplots()
df.plot(ax=ax, legend=False)
df[(df.index.hour == 9) & (df.index.minute == 0)] = 0

# we know the discontinuities occur at the end of the days
[plt.axvline(d, ls='--') for d, v in list(zip(df.index, df.iloc[:, 0])) if pd.isnull(v)]

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
x_var1=pd.date_范围（pd.to_datetime（'2014-01-14 09:00:00'）、pd.to_datetime（'2014-01-21 17:00:00'），
freq=“30分钟”，
tz=‘美国/太平洋’，
关闭='左'
)
x_var1=x_var1[x_var1.dayofweek<5]
x_var1=x_var1[x_var1.indexer_在时间之间（'9:00'，'17:00'，包括_end=True）]
x_var1=x_var1[x_var1.hour！=12]
np.random.seed（0）
y_var2=np.随机.正常（loc=40，刻度=4.4，尺寸=len（x_var1））
df=pd.DataFrame（索引=x_var1，数据=y_var2）
#mpl不会在nan值之间绘图
df[（df.index.hour==17）和（df.index.minute==0）]=np.nan
df[（df.index.hour==9）和（df.index.minute==0）]=np.nan
图，ax=plt.子批次（）
df.绘图（ax=ax，图例=False）
df[（df.index.hour==9）和（df.index.minute==0）]=0
#我们知道不连续性发生在一天结束的时候
[plt.axvline（d，ls='--'）表示列表中的d，v（zip（df.index，df.iloc[：，0]），如果pd.isnull（v）]

---

好的，这就是你要找的吗

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

x_var1= pd.date_range(pd.to_datetime('2014-01-14 09:00:00'), pd.to_datetime('2014-01-21 17:00:00'),
                   freq="30min",
                   tz= 'US/Pacific',
                   closed= 'left'
                   )

x_var1 = x_var1[x_var1.dayofweek < 5]
x_var1= x_var1[x_var1.indexer_between_time('9:00','17:00', include_end= True)]
x_var1= x_var1[x_var1.hour != 12]

np.random.seed(0)
y_var2= np.random.normal(loc= 40, scale= 4.4, size= len(x_var1))

df = pd.DataFrame(index=x_var1, data=y_var2)

# mpl won't plot between nan values
df[(df.index.hour == 17) & (df.index.minute == 0)] = np.nan
df[(df.index.hour == 9) & (df.index.minute == 0)] = np.nan
fig, ax = plt.subplots()
df.plot(ax=ax, legend=False)
df[(df.index.hour == 9) & (df.index.minute == 0)] = 0

# we know the discontinuities occur at the end of the days
[plt.axvline(d, ls='--') for d, v in list(zip(df.index, df.iloc[:, 0])) if pd.isnull(v)]

将numpy导入为np
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
x_var1=pd.date_范围（pd.to_datetime（'2014-01-14 09:00:00'）、pd.to_datetime（'2014-01-21 17:00:00'），
freq=“30分钟”，
tz=‘美国/太平洋’，
关闭='左'
)
x_var1=x_var1[x_var1.dayofweek<5]
x_var1=x_var1[x_var1.indexer_在时间之间（'9:00'，'17:00'，包括_end=True）]
x_var1=x