python中带阴影范围的多年时间序列费用

我在Excel中创建了这些图表，这些图表是从以下结构的数据框架中创建的：

因此，可以这样创建图表，将

5年范围

区域堆叠在

Min

范围（无填充）的顶部，以便范围区域可以着色。最小值/最大值/范围/平均值列均在2016-2020年计算

我知道，通过使用日期索引和应用月份标签，我可以在同一轴上绘制多年的线，但有没有办法复制此图表的阴影，更具体地说，如果我的数据帧采用简单的日期索引值格式，例如：

            Quantity
1/1/2016    6
2/1/2016    4
3/1/2016    1
4/1/2016    10
5/1/2016    7
6/1/2016    10
7/1/2016    10
8/1/2016    2
9/1/2016    1
10/1/2016   2
11/1/2016   3
…   …
1/1/2020    4
2/1/2020    8
3/1/2020    3
4/1/2020    5
5/1/2020    8
6/1/2020    6
7/1/2020    6
8/1/2020    7
9/1/2020    8
10/1/2020   5
11/1/2020   4
12/1/2020   3
1/1/2021    9
2/1/2021    7
3/1/2021    7

我在绘图库中找不到任何类似的东西。

两步过程

重新构造DF，使年份为列，行按统一日期时间索引

使用matplotlib进行绘图

---

对不起，罗布，完全错过了这个！这起作用了，我还有最后一个问题——如果我有多年的每周数据，我该如何应对？我可以将年度周格式转换为日期时间（例如2018-W04），但然后根据年份获得不同的日期。有没有办法将其保留为周数并绘制多年的图表？如果您改变了多索引的构建方式，您可以每周进行一次

dfg=（df.set_index（pd.MultiIndex.from_数组（[df.index.isocalendar（）.week，df.index.isocalendar（）.year]，name=[“week”，“year”））.loc[lambda-dfa:dfa.index.get_-level_值（“week”）因此，当我尝试并绘制它返回ufunc“isfinite”时，输入类型不受支持，并且根据强制转换规则“safe”
dfg=（df.set_index（pd.MultiIndex.from_数组（[df.index.isocalendar（）.week.astype（int），df.index.isocalendar（）.year]，name=[“week”，“year”））.loc[lambda dfa:dfa.index.get_level_values（“week”）谢谢！事实上我已经计算出了这一部分，我只是很难将其转换为绘图，因为MonthLocator在这里不适用
import datetime as dt
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# straight date as index, quantity as column
d = pd.date_range("1-Jan-2016", "1-Mar-2021", freq="MS")
df = pd.DataFrame({"Quantity":np.random.randint(1, 10, len(d))}, index=d)


# re-structure as multi-index, make year column
# add calculated columns
dfg = (df.set_index(pd.MultiIndex.from_arrays([df.index.map(lambda d: dt.date(dt.date.today().year, d.month, d.day)), 
                                               df.index.year], names=["month","year"]))
 .unstack("year")
 .droplevel(0, axis=1)
 .assign(min=lambda dfa: dfa.loc[:,[c for c in dfa.columns if dfa[c].count()==12]].min(axis=1),
         max=lambda dfa: dfa.loc[:,[c for c in dfa.columns if dfa[c].count()==12]].max(axis=1),
         avg=lambda dfa: dfa.loc[:,[c for c in dfa.columns if dfa[c].count()==12]].mean(axis=1).round(1),
        )
)

fig, ax = plt.subplots(1, figsize=[14,4])

# now plot all the parts
ax.fill_between(dfg.index, dfg["min"], dfg["max"], label="5y range", facecolor="oldlace")
ax.plot(dfg.index, dfg[2020], label="2020", c="r")
ax.plot(dfg.index, dfg[2021], label="2021", c="g")
ax.plot(dfg.index, dfg.avg, label="5 yr avg", c="y", ls=(0,(1,2)), lw=3)

# adjust axis
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b'))
ax.legend(loc = 'best')