Python 如何推广Plot'；使用Seaborn绘图时，s日期轴根据年份？

我试图通过使用谷歌股票价格，用Python训练一个线性回归模型，可以在这里找到： 并试图通过给定的特征预测未来的股票。之后，我计划用当前数据集中的值来绘制它

首先，我使用日期解析器读取带有日期值的数据帧，并将这两个数据帧合并为一个，以便自己将其拆分：

parser = lambda date: pd.datetime.strptime(date, '%m/%d/%Y')
df_test=pd.read_csv("/kaggle/input/google-stock-price/Google_Stock_Price_Test.csv",parse_dates=[0], date_parser=parser)
df_train=pd.read_csv("/kaggle/input/google-stock-price/Google_Stock_Price_Train.csv",parse_dates=[0], date_parser=parser)
df=pd.concat([df_train,df_test])

然后我将关闭列的类型更改为“float64”，并使用seaborn绘制日期关闭关系：

import seaborn as sns
sns.relplot(x='Date', y='Close', data=df,kind="line")

输出为：

在代码的这一部分之前，我一直在管理必要的专栏翻译。在这一部分中，我分割了数据框架，创建并训练了模型，以及预测值

from sklearn.model_selection import train_test_split

X=df[["Open","High","Low","pc"]]
y=df["Close"]     
X_train,X_test,y_train,y_test = train_test_split(X,y)

from sklearn.linear_model import LinearRegression
model=LinearRegression()
model.fit(X_train,y_train)
model.score(X_test,y_test)
y_pred=model.predict(X_test)

在这一部分之后，我想实现的是，我想为未来的日期设置这些预测的日期，以便将它们组合到我的数据框和绘图中。我设法为真实数据和预测数据以及concat创建了两个数据帧，并将它们融合到新的数据帧中以绘制它

dates=(df[-320:]["Date"]).values
df_plot=pd.DataFrame(columns=["Date","Close"])
df_plot["Date"]=dates
df_plot["Close"]=y_test.values.transpose()

df_predd=pd.DataFrame(columns=["Predicted","Date"])
df_predd["Predicted"]=y_pred.transpose()
df_predd["Date"]=dates
df_predd["Date"]=df_predd["Date"]+pd.offsets.DateOffset(years=8) #I want to plot it as future predictions

concatenated = pd.concat([df_predd.assign(dataset='df_predd'), df_plot.assign(dataset='df_plot')],axis=0)
melted_df=pd.melt(concatenated,id_vars=["Date"],value_vars=["Predicted","Close"])

sns.relplot(x='Date', y='value', data=melted_df,hue="variable",style='variable',kind="line",height=10)

以下是不需要的输出：

我想要这样的输出：

我错过了什么？我检查了日期列的类型。现在是约会时间。我不能像上面显示的第一个图那样展开x轴。

---

任何帮助都将不胜感激。谢谢。

< p>为了简化示例，请考虑这两个玩具数据框：

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

np.random.seed(1)

df_actual = pd.DataFrame(data={
    "date"  : pd.date_range(start="2020-01-01", periods=8, freq="MS"),
    "value" : np.random.randint(10, 30, 8),
})

df_forecast = pd.DataFrame(data={
    "date"  : pd.date_range(start="2020-08-01", periods=4, freq="MS"),
    "value" : np.random.randint(10, 30, 4)
})

如果要在共享x轴上同时绘制实际值和预测值，我能想到的最简单的方法是通过添加

type

列并将其输入seaborn的lineplot的

hue

参数来区分它们

记住通过使预测数据帧的第一个值与实际数据帧的最后一个值相同来“连接”两行：

#first forecast value == last actual value
df_forecast.iloc[0, :] = df_actual.iloc[-1, :]

df_forecast["type"] = "forecast"
df_actual["type"] = "actual"

df = pd.concat([df_actual, df_forecast])

最后，按如下方式创建绘图：

plt.figure(figsize=(10,5))
sns.lineplot(x="date", y="value", hue="type", data=df)