在 matplotlib 图中，我可以突出显示特定的 x 值范围吗？答案

【问题标题】：In a matplotlib plot, can I highlight specific x-value ranges?在 matplotlib 图中，我可以突出显示特定的 x 值范围吗？
【发布时间】：2012-01-06 10:40:11
【问题描述】：

我正在对一个项目的历史库存数据进行可视化，我想突出显示下降区域。例如，当股票大幅下跌时，我想用红色区域突出显示它。

我可以自动执行此操作，还是必须绘制一个矩形或其他东西？

【问题讨论】：

您可以自动绘制一个矩形...您是否已经有了定义要突出显示区域的开始/停止的 x 值？如果是这样，您可以绘制一个矩形补丁来突出显示该部分（如果您需要示例，请告诉我！）

标签： python statistics matplotlib

【解决方案1】：

查看axvspan（以及用于突出显示 y 轴区域的 axhspan）。

import matplotlib.pyplot as plt

plt.plot(range(10))
plt.axvspan(3, 6, color='red', alpha=0.5)
plt.show()

如果您使用日期，则需要将最小和最大 x 值转换为 matplotlib 日期。将matplotlib.dates.date2num 用于datetime 对象或matplotlib.dates.datestr2num 用于各种字符串时间戳。

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime as dt

t = mdates.drange(dt.datetime(2011, 10, 15), dt.datetime(2011, 11, 27),
                  dt.timedelta(hours=2))
y = np.sin(t)

fig, ax = plt.subplots()
ax.plot_date(t, y, 'b-')
ax.axvspan(*mdates.datestr2num(['10/27/2011', '11/2/2011']), color='red', alpha=0.5)
fig.autofmt_xdate()
plt.show()

【讨论】：

我在 x 轴上使用日期，但无法正常工作。有什么建议吗？
查看编辑。您需要将日期转换为 matplotlib 的内部日期格式（它只是一个浮点数，其中 1 的范围对应于 1 天。）查看matplotlib.dates 以了解处理此问题的各种函数。希望有帮助！
这可以在 3D 绘图中完成吗？我想突出显示沿 z 轴的特定切片的 XY 平面。
这也适用于直接使用 pandas 绘图。事实证明，熊猫对整个事情都是“聪明的”（至少在一年内）。不用像pd.to_datetime 这样设置日期，只需将其放在引号中就足够了（'1999'）。
这可以为多个跨度完成还是我必须单独编写每个跨度？

【解决方案2】：

这里有一个解决方案，它使用axvspan 绘制多个高光，其中每个高光的限制是通过使用与波峰和低谷对应的股票数据的索引来设置的。

股票数据通常包含不连续的时间变量，其中不包括周末和节假日。在处理每日股票价格时，在 matplotlib 或 pandas 中绘制它们会在周末和节假日沿 x 轴产生间隙。这对于较长的日期范围和/或较小的数字（如本例中）可能不明显，但如果您放大它会变得很明显，并且可能是您想要避免的事情。

这就是我在这里分享一个完整示例的原因：

一个真实的样本数据集，其中包括一个不连续的DatetimeIndex，它基于使用pandas_market_calendars 导入的纽约证券交易所交易日历以及看起来像真实事物的虚假股票数据。
使用use_index=False 创建的pandas plot 通过使用x 轴的整数范围来消除周末和节假日的间隙。返回的 ax 对象的使用方式避免了导入 matplotlib.pyplot（除非您需要 plt.show）。
使用 scipy.signal find_peaks 函数自动检测整个日期范围内的回撤，该函数返回用axvspan 绘制高光所需的索引。以更正确的方式计算回撤需要明确定义什么是回撤，并且会导致更复杂的代码，这是 another question 的主题。
在这种情况下，不能使用通过循环遍历 DatetimeIndex 的时间戳创建的格式正确的刻度，因为所有方便的 matplotlib.dates 刻度定位器和格式化程序以及 DatetimeIndex 属性（如 .is_month_start）都不能在这种情况下使用。

创建示例数据集

import numpy as np                        # v 1.19.2
import pandas as pd                       # v 1.1.3
import pandas_market_calendars as mcal    # v 1.6.1
from scipy.signal import find_peaks       # v 1.5.2

# Create datetime index with a 'trading day end' frequency based on the New York Stock
# Exchange trading hours (end date is inclusive)
nyse = mcal.get_calendar('NYSE')
nyse_schedule = nyse.schedule(start_date='2019-10-01', end_date='2021-02-01')
nyse_dti = mcal.date_range(nyse_schedule, frequency='1D').tz_convert(nyse.tz.zone)

# Create sample of random data for daily stock closing price
rng = np.random.default_rng(seed=1234)  # random number generator
price = 100 + rng.normal(size=nyse_dti.size).cumsum()
df = pd.DataFrame(data=dict(price=price), index=nyse_dti)

df.head()

#                                    price
#   2019-10-01 16:00:00-04:00    98.396163
#   2019-10-02 16:00:00-04:00    98.460263
#   2019-10-03 16:00:00-04:00    99.201154
#   2019-10-04 16:00:00-04:00    99.353774
#   2019-10-07 16:00:00-04:00   100.217517

使用格式正确的刻度绘制回撤的亮点

# Plot stock price
ax = df['price'].plot(figsize=(10, 5), use_index=False, ylabel='Price')
ax.set_xlim(0, df.index.size-1)
ax.grid(axis='x', alpha=0.3)

# Highlight drawdowns using the indices of stock peaks and troughs: find peaks and 
# troughs based on signal analysis rather than an algorithm for drawdowns to keep
# example simple. Width and prominence have been handpicked for this example to work.
peaks, _ = find_peaks(df['price'], width=7, prominence=4)
troughs, _ = find_peaks(-df['price'], width=7, prominence=4)
for peak, trough in zip(peaks, troughs):
    ax.axvspan(peak, trough, facecolor='red', alpha=.2)

# Create and format monthly ticks
ticks = [idx for idx, timestamp in enumerate(df.index)
         if (timestamp.month != df.index[idx-1].month) | (idx == 0)]
ax.set_xticks(ticks)
labels = [tick.strftime('%b\n%Y') if df.index[ticks[idx]].year
          != df.index[ticks[idx-1]].year else tick.strftime('%b')
          for idx, tick in enumerate(df.index[ticks])]
ax.set_xticklabels(labels)
ax.figure.autofmt_xdate(rotation=0, ha='center')

ax.set_title('Drawdowns are highlighted in red', pad=15, size=14);

为了完整起见，值得注意的是，您可以使用 fill_between 绘图函数获得完全相同的结果，尽管它需要多几行代码：

ax.set_ylim(*ax.get_ylim())  # remove top and bottom gaps with plot frame
drawdowns = np.repeat(False, df['price'].size)
for peak, trough in zip(peaks, troughs):
    drawdowns[np.arange(peak, trough+1)] = True
ax.fill_between(np.arange(df.index.size), *ax.get_ylim(), where=drawdowns,
                facecolor='red', alpha=.2)

您正在使用 matplotlib 的交互界面并希望在放大时有动态刻度？ 那么您将需要使用来自 matplotlib.ticker 模块的定位器和格式化程序。例如，您可以像本示例中那样保持主要刻度固定，并添加动态次要刻度以在放大时显示一年中的几天或几周。您可以在this answer 末尾找到如何执行此操作的示例。

【讨论】：