Python 使用matplotlib绘制水平线_Python_Matplotlib

Python 使用matplotlib绘制水平线

python matplotlib

Python 使用matplotlib绘制水平线,python,matplotlib,Python,Matplotlib,我使用样条插值来平滑时间序列，还想在绘图中添加一条水平线。但似乎有一个问题超出了我的控制范围。任何帮助都会很有帮助。以下是我所拥有的： annual = np.arange(1,21,1) l = np.array(value_list) # a list with 20 values spl = UnivariateSpline(annual,l) xs = np.linspace(1,21,200) plt.plot(xs,spl(xs),'b') plt.plot([0,len(xs)]

我使用样条插值来平滑时间序列，还想在绘图中添加一条水平线。但似乎有一个问题超出了我的控制范围。任何帮助都会很有帮助。以下是我所拥有的：

annual = np.arange(1,21,1)
l = np.array(value_list) # a list with 20 values
spl = UnivariateSpline(annual,l)
xs = np.linspace(1,21,200)
plt.plot(xs,spl(xs),'b')

plt.plot([0,len(xs)],[40,40],'r--',lw=2)
pylab.ylim([0,200])
plt.show()

问题似乎在于我使用

[0，len（xs）]

进行水平线绘制

你是对的，我认为

[0，len（xs）]

把你甩了。您需要重用原始x轴变量

xs

，并使用另一个长度与您的变量相同的numpy数组绘制该变量

annual = np.arange(1,21,1)
l = np.array(value_list) # a list with 20 values
spl = UnivariateSpline(annual,l)
xs = np.linspace(1,21,200)
plt.plot(xs,spl(xs),'b')

#####horizontal line
horiz_line_data = np.array([40 for i in xrange(len(xs))])
plt.plot(xs, horiz_line_data, 'r--') 
###########plt.plot([0,len(xs)],[40,40],'r--',lw=2)
pylab.ylim([0,200])
plt.show()

希望这能解决问题

您正在寻找（一条水平轴线）。例如，以下内容将在

y=0.5处为您提供一条水平线：
import matplotlib.pyplot as plt
plt.axhline(y=0.5, color='r', linestyle='-')
plt.show()

对于那些总是忘记使用命令的人来说，下面是一个简单易行的方法
plt.plot(x, [y]*len(x))

在您的情况下，xs=x
和y=40。
如果len（x）较大，则效率会降低，您应该真正使用axhline
如果您想在轴上绘制一条水平线，也可以尝试该方法。您需要在数据坐标中指定y
位置和xmin
和xmax
（即x轴上的实际数据范围）。示例代码段是：
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(1, 21, 200)
y = np.exp(-x)

fig, ax = plt.subplots()
ax.plot(x, y)
ax.hlines(y=0.2, xmin=4, xmax=20, linewidth=2, color='r')

plt.show()

上面的代码段将在轴上的y=0.2
处绘制一条水平线。水平线开始于x=4
，结束于x=20
。生成的图像是：
除了这里投票最多的答案外，还可以在熊猫数据框上调用plot
后链接axhline

import pandas as pd

(pd.DataFrame([1, 2, 3])
   .plot(kind='bar', color='orange')
   .axhline(y=1.5));

您可以使用plt.grid
绘制水平线
import numpy as np
from matplotlib import pyplot as plt
from scipy.interpolate import UnivariateSpline
from matplotlib.ticker import LinearLocator

# your data here
annual = np.arange(1,21,1)
l = np.random.random(20)
spl = UnivariateSpline(annual,l)
xs = np.linspace(1,21,200)

# plot your data
plt.plot(xs,spl(xs),'b')

# horizental line?
ax = plt.axes()
# three ticks:
ax.yaxis.set_major_locator(LinearLocator(3))
# plot grids only on y axis on major locations
plt.grid(True, which='major', axis='y')

# show
plt.show()

使用：

通过将列表
传递到y
参数，绘制多条水平线
y
可以作为单个位置传递：y=40
y
可以作为多个位置传递：y=[39,40,41]
如果您正在使用类似于fig，ax=plt.subplots（）
的图形绘制，则分别将plt.hlines
或plt.axhline
替换为ax.hlines
只能绘制单个位置（例如y=40
）
有关垂直线，请参见

plt.plot
将numpy导入为np
将matplotlib.pyplot作为plt导入
xs=np.linspace（1,21200）
plt.图（figsize=（6,3））
plt.hlines（y=39.5，xmin=100，xmax=175，colors='aqua'，linestyles='-'，lw=2，label='Single Short Line'）
plt.hline（y=[39,40,41]，xmin=[0,25,50]，xmax=[len（xs）]，colors='purple'，linestyles='--'，lw=2，label='Multiple line'）
plt.图例（bbox_至_锚=（1.04,0.5），loc=“左中”，borderaxespad=0）


ax.plot
将numpy导入为np
将matplotlib.pyplot作为plt导入
xs=np.linspace（1,21200）
图（ax1，ax2）=plt.子批次（2，1，figsize=（6，6））
ax1.hlines（y=40，xmin=0，xmax=len（xs），colors='r'，linestyles=''--'，lw=2）
ax1.设置标题（“一行”）
ax2.hlines（y=[39,40,41]，xmin=0，xmax=len（xs），colors='purple'，linestyles='--'，lw=2）
ax2.设置标题（“多行”）
plt.紧_布局（）
plt.show（）


时间序列轴

xmin
和xmax
将接受类似于'2020-09-10'
或日期时间（2020,9,10）

xmin=datetime（2020,9,10），xmax=datetime（2020,9,10）+timedelta（days=3）
给定date=df.index[9]
，xmin=date，xmax=date+pd.Timedelta（days=3）
，其中索引为DatetimeIndex



import pandas_datareader as web#conda或pip安装此程序；不是熊猫的一部分
作为pd进口熊猫
将matplotlib.pyplot作为plt导入
#获取测试数据
df=web.DataReader（“^gspc”，data_source='yahoo'，start='2020-09-01'，end='2020-09-28'）。iloc[：，：2]
#绘图数据帧
ax=df.plot（figsize=（9,6），title='S&P500'，ylabel='Price'）
#添加水平线
ax.hlines（y=3450，xmin='2020-09-10'，xmax='2020-09-17'，color='紫色'，label='test'）
ax.图例（）
plt.show（）



如果web.DataReader
不工作，则采样时间序列数据

data={pd.Timestamp（'2020-09-01 00:00:00'）：{'High'：3528.03，'Low'：3494.6}，pd.Timestamp（'2020-09-02 00:00:00'）：{'High'：3588.11，'Low'：3535.23}，pd.Timestamp（'2020-09-03 00:00:00'）：{'High'：3564.85，'Low'：3427.41}，pd.Timestamp（'2020-09-04 00:00'）：{'High'：3479.15，'Low'：3349.63}，pd-09:00'）：'{'High'：3379.97，'Low'：3329.27}，pd.时间戳（'2020-09-09 00:00:00'）：{'High'：3424.77，'Low'：3366.84}，pd.时间戳（'2020-09-10 00:00:00'）：{'High'：3425.55，'Low'：3329.25}，pd.时间戳（'2020-09-11 00:00:00:00:00'）：{'High'：3368.95，'Low'：3310.47}，pd.时间戳（'2020-09-14:00:00:00'）：'High'：3329.63，'pd.时间戳，'（'2020-09-15 00:00:00'）：{'High'：3419.48，'Low'：3389.25}，pd.时间戳（'2020-09-16 00:00:00'）：{'High'：3428.92，'Low'：3384.45}，pd.时间戳（'2020-09-17 00:00:00'）：{'High'：3375.17，'Low'：3328.82}，pd.时间戳（'2020-09-18 00:00:00'）：{'High'：3362.27，'Low'：3292.4，'时间戳（'2020-09-22 00:00:00'）：{'High'：3320.31'，Low'：3270.95}，时间戳（'2020-09-23 00:00:00'）：{'High'：3323.35'，Low'：3232.57}，时间戳（'2020-09-24 00:00:00'）：{'High'：3278.7'，Low'：3209.45}，时间戳（'2020-09-25 00:00'）：{'High'：3306.88'，Low'：3228.44}，时间戳（'2020-09:00:00'）{'High'：3360.74，'Low'：3332.91}
df=pd.DataFrame.from_dict（数据“索引”）
pylab.绘图（…）可以覆盖给定坐标的水平线或垂直线
这是可行的，但效率不是特别高，尤其是当您根据数据创建一个可能非常大的阵列时。如果您打算这样做，使用
import pylab as pl  
import numpy as np

observations = [0.797, 1.116, 1.071, 0.998, -0.333, 1.129, 0.381, 0.815, 1.28715,
    0.727, 1.309147, 2.492, 0.946, 0.486536, 0.382539, -0.482, -0.208923,
    0.981166, 0.499, 0.022, 0.747333, -0.045, 0.27304, -1.386, 0.654258, 
    -0.43931, -2.012764, -0.387, -0.730, 0.812032, -0.229, -0.286, -0.293,
    -0.483649, 0.232185, -0.027, 0.142, 0.173, -0.618, 0.393, 0.534, 0.804,
    -0.867, 0.776, 0.342, 0.797, 0.550, -0.215, 0.706, -0.973] 

targets = [-0.007, -0.029, -0.025, -0.0119, -0.0719, -0.1283, -0.1077, -0.0844, 
    -0.0474, -0.0419, -0.016, 0.0613, 0.0949, 0.0553, 0.0353, 0.0173, 0.0467,
    0.0562, 0.0523, -0.0032, 0.0548, 0.0245, 0.0372, 0.0404, 0.0388, 0.0703,
    0.0203, -0.0078, -0.0102, 0.0151, -0.0048, -0.0027, 0.0215, -0.0063, -0.0216,
    -0.0618, -0.0172, 0.0212, -0.0203, -0.006, 0.0438, 0.0642, 0.0365, 0.0124,
    -0.0332, -0.064, 0.0061, -0.0007, -0.0242, -0.036] 
 
#scatter plot using x and y points.  c stands for color.  s stands for size 
pl.scatter(observations, targets, c='red', s=5.5) 
 
max_feature_float = max(observations) 
horizontal_line_start_position = 0 
num_dots_on_horizontal_line = 20  
xs = np.linspace(horizontal_line_start_position,max_feature_float, 
    num_dots_on_horizontal_line) 
horiz_line_data = np.array([0 for i in range(len(xs))]) 
pl.plot(xs, horiz_line_data, 'b--') 
 
max_tars_float = max(targets) 
#make a vertical green line starting at (x=0,y=0) and going to (x=0, y=2) ) 
pl.plot((0, 0), (0, max_tars_float), 'g-') 
 
#define the feature and targets axis legend names and title. 
pl.xlabel("observation") 
pl.ylabel("target") 
pl.title('Scatterplot of target against observation.') 
pl.show()