如何在 matplotlib 图中移动一条线？答案

【问题标题】：How to shift a line in a matplotlib plot?如何在 matplotlib 图中移动一条线？
【发布时间】：2018-03-09 14:13:07
【问题描述】：

我正在尝试在 python 中绘制两个列表，一个是 test1，另一个是 predictions1。

我希望绘制 test1 列表的前 150 个条目，然后绘制 predictions1 列表的条目 101-150，以便两个图相互叠加。这是我尝试过的：

import matplotlib.pyplot as plt
plt.figure(figsize=(15,8))
plt.plot(test1[1:150])
plt.plot(predictions1[101:150], color='red')
plt.show()

但我得到了结果：

显然这不是我想要实现的，因为我希望红色情节在最后叠加在蓝色情节上。请帮忙。

【问题讨论】：

您没有向plot 提供任何 x 数据，因此 matplotlib 将自动生成 x 数据。您可以手动创建 x 数据，以便将 predictions1 绘制在 test1 的右侧
@DavidG 你能详细解释一下吗？我对 Python 不太熟悉
这是您的 pyplot.plot() 函数的文档。如果这只是如何处理python的问题，您应该能够理解它。第一个参数是 X，第二个是 Y。

标签： python python-3.x matplotlib

【解决方案1】：

我们的想法是创建一个数字列表以用作您的 x 数据，从 0 到 150：

x_data = range(150)

然后slice 这样对于第一组数据，您的 x 轴使用数字 0 到 149。然后需要对第二组数据进行切片以使用数字 100 到 149。

plt.plot(x_data[:], test1[:150])
plt.plot(x_data[100:], predictions1[100:150], color='red')

请注意，Python 索引从 0 开始，而不是 1

【讨论】：

我明白你做了什么。我尝试了同样的方法，但也没有给出理想的结果。红色图完全移动到蓝色图的右侧，而我希望红色图叠加在值 101-150 的蓝色图上。就像我有 test1 从 1 到 150 的情节。然后在同一个图和轴上，我有 predictions1 从 101-150 的图。
@TheDoctor 查看我更新的答案，看看是否能解决问题
是的，就是这样。非常感谢:)

【解决方案2】：

此建议适用于任何类型的索引值（字符串、日期或整数），只要它们是唯一的。

简答：

创建最长系列的熊猫数据框。该数据框将有一个索引。从该系列中获取最后 50 个索引值，并将其与新数据框中的预测值相关联。您的两个数据框将具有不同的长度，因此您必须将它们 merge 放在一起才能获得两个相等长度的系列。使用这种方法，您的前 100 个预测值将为空，但您的数据将具有关联的索引，以便您可以根据 test1 系列绘制它。

详情：

由于您没有共享可重现的数据集，因此我制作了一些应与您的数据集结构匹配的随机数据。下面的第一个 sn-p 将重现您的情况，并使两个数组 test1 和 **predictions1 ** 可用于建议的解决方案。

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

np.random.seed(123456)
rows = 150
df = pd.DataFrame(np.random.randint(-4,5,size=(rows, 1)), columns=['test1'])
datelist = pd.date_range(pd.datetime(2017, 1, 1).strftime('%Y-%m-%d'), periods=rows).tolist()
df['dates'] = datelist 
df = df.set_index(['dates'])
df.index = pd.to_datetime(df.index)
df['test1'] = df['test1'].cumsum()

# Get the last 50 values of test1 (as array instead of dataframe)
# to mimic the names and data types of your source data 
test1 = df['test1'].values
predicionts1 = df['test1'].tail(50).values
predictions1 = predicionts1*1.1

# Reproducing your situation:
import matplotlib.pyplot as plt
plt.figure(figsize=(15,8))
plt.plot(test1)
plt.plot(predictions1, color = 'red')
plt.show()

下面的sn-p会在test1上叠加predictions1：

# Make a new dataframe of your prediction values
df_new = pd.DataFrame(test1)
df_new.columns = ['test1']

# Retrieve index values
new_index = df_new['test1'].tail(len(predictions1)).index

# Make a dataframe with your prediction values and your index
new_series = pd.DataFrame(index = new_index, data = predictions1)

# Merge the dataframes
df_new = pd.merge(df_new, new_series, how = 'left', left_index=True, right_index=True)
df_new.columns = ['test1', 'predictions1']

# And plot it
import matplotlib.pyplot as plt
plt.figure(figsize=(15,8))
plt.plot(df_new['test1'])
plt.plot(df_new['predictions1'], color = 'red')
plt.show()

【讨论】：