在Python中，如何计算趋势线上方的时间量

我想知道如何计算数据超过趋势线的时间。目前代码是这样的

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

csv = pd.read_csv('data.csv')
data = csv[['time', 'amount']]
x = data['time']
y = data['amount']

plt.plot(x, y, 'bo-')

z = np.polyfit(x, y, 1)
p = np.poly1d(z)
plt.plot(x,p(x),"r--")

plt.show()

CSV文件如下所示

time,amount
10,5
9,5.5
8,5
7,6.3
6,6
5,4

图表显示了目前的情况

我有点想有这样的东西，如图所示

---

如何执行此操作？

Numpy遮罩可用于将曲线限制在某些条件适用的位置。该条件仅在阵列的值处计算，因此为了避免间隙，可以使用密集阵列：

将熊猫作为pd导入
将numpy作为np导入
将matplotlib.pyplot作为plt导入
data=pd.DataFrame（数据=[[10,5]，[9,5.5]，[8,5]，[7,6.3]，[6,6]，[5,4]]，列=['time'，'amount']）
data=data.sort_值（['time']）
x=np.array（数据['time']）
y=np.数组（数据['amount']）
plt.绘图（x，y，'bo-'）
z=np.多边形拟合（x，y，1）
p=np.poly1d（z）
x_稠密=np.linspace（x[0]，x[-1]，500）
y_稠密=np.interp（x_稠密，x，y）
掩模=y_密度