Matplotlib：在两点之间绘制一条线......但以一种不寻常的方式

Question

我正在学习使用 Matplotlib 可视化数据，并且我想以非常定制的方式绘制一条线。我是 Matplotlib 的新手，我不知道我想做的事情是否可行。如下：

设置：假设您有一组用于折线图的随机 (x,y) 点。出于说明目的，我将 4 个不同的折线图压缩成一个图，但想象一下，如果下面的 4 条线中的每一个都被分解成各自的图。

[![在此处输入图片描述][1]][1]

第 1 步）对于 A、B、C、D 线图中的每一个，求全局最大值并将其称为“X”。

第 4 步可能吗？）画一条连接“X”和“Y”的线。是否可以在 matplotlib 中绘制这条线？谢谢。

相关代码如下：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(50, 4), 
        index=pd.date_range('1/1/2000', periods=50), columns=list('ABCD'))
df = df.cumsum()
df.plot();

Answer 1

我认为需要定义您计算局部最大值的特定逻辑，而不仅仅是使用“时钟”隐喻，但是一旦您使用 scipi、pandas 或其他库定义了该逻辑，您就可以创建一个数据框为我有。从那里，您应该能够从下面生成结果。

如果您对seaborn（在matplotlib 之上构建）没问题，我认为这会容易一些，因为您可以传递hue 参数来为每个类别创建所有行行代码。您需要使用要绘制的这些 lines 创建一个新数据框。我通过对值进行排序并获取每组的尾值来做到这一点。请参阅下面的可重现示例。

示例 1（绘制局部最大值）：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import seaborn as sns
fig, ax = plt.subplots()
plt.style.use('classic')
df = pd.DataFrame(np.random.randn(50, 4), 
        index=pd.date_range('1/1/2000', periods=50), columns=list('ABCD'))
df = df.cumsum()
df = df.melt(ignore_index=False).reset_index()
sns.lineplot(data=df, x="index", y="value", hue="variable", ax=ax)
lines_max = (df.sort_values('value').groupby("variable").tail(1)).sort_values('variable')
lines_local_max = df[((df['variable'] == lines_max['variable'].iloc[0]) & (df['index'] > lines_max['index'].iloc[0]))
                | ((df['variable'] == lines_max['variable'].iloc[1]) & (df['index'] > lines_max['index'].iloc[1]))
                | ((df['variable'] == lines_max['variable'].iloc[2]) & (df['index'] > lines_max['index'].iloc[2]))
                | ((df['variable'] == lines_max['variable'].iloc[3]) & (df['index'] > lines_max['index'].iloc[3]))]
lines_local_max = (lines_local_max.sort_values(['variable', 'value']).groupby("variable").tail(1))
lines = lines_max.append(lines_local_max).sort_values('variable')
lines
sns.lineplot(data=lines, x="index", y="value", hue="variable", marker="o",
             style='variable', dashes=[(2, 2), (2, 2), (2, 2), (2, 2)], legend=False, ax=ax)
x_dates = pd.to_datetime(df['index'].unique())
plt.xticks(x_dates[0::7], rotation=45, ha='center')
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b-%d-%Y'))

示例 2（只是在末尾画一条线，而不是定义局部最大值 - 目的只是向您展示如何从最大点画一条线到另一个定义的点）：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
plt.style.use('classic')
fmri = sns.load_dataset("fmri")
fmri = fmri.groupby(['event', 'timepoint'], as_index=False)['signal'].mean()
sns.lineplot(data=fmri, x="timepoint", y="signal", hue="event")
lines_max = (fmri.sort_values('signal').groupby("event").tail(1))
lines_last = (fmri.sort_values('timepoint').groupby("event").tail(1))
lines = lines_max.append(lines_last)
sns.lineplot(data=lines, x="timepoint", y="signal", hue="event", marker="o", style='event', dashes=[(2, 2), (2, 2)])

示例 3（另一个示例使用您提供的数据绘制一条线，但未定义局部最大值 - 目的只是向您展示如何从最大点绘制一条线到另一个定义点）：您提供的数据示例：

import pandas as pd
import numpy as np
fig, ax = plt.subplots()
df = pd.DataFrame(np.random.randn(50, 4), 
        index=pd.date_range('1/1/2000', periods=50), columns=list('ABCD'))
df = df.cumsum()
df = df.melt(ignore_index=False).reset_index()
sns.lineplot(data=df, x="index", y="value", hue="variable", ax=ax)
lines_max = (df.sort_values('value').groupby("variable").tail(1))
lines_last = (df.sort_values('index').groupby("variable").tail(1))
lines = lines_max.append(lines_last).sort_values('variable')
sns.lineplot(data=lines, x="index", y="value", hue="variable", marker="o",
             style='variable', dashes=[(2, 2), (2, 2), (2, 2), (2, 2)], legend=False, ax=ax)
x_dates = df['index'].dt.strftime('%Y-%m-%d').sort_values().unique()
ax.set_xticklabels(labels=x_dates, rotation=45, ha='center')