密谋:如何在指定点添加垂直线?

时间:2020-05-25 20:39:04

标签: python pandas plotly cufflinks

我有一个时间序列的数据框图,以及一个我想在其中绘制垂直线的数值列表。该图是使用cufflinks包创建的交互式图。这是一个以1000个时间值表示的三个时间序列的示例,我想在500和800处绘制垂直线。我尝试使用“ axvlinee”是基于我在类似帖子中看到的建议:

import numpy as np
import pandas as pd
import cufflinks

np.random.seed(123)
X = np.random.randn(1000,3)  
df=pd.DataFrame(X, columns=['a','b','c'])
fig=df.iplot(asFigure=True,xTitle='time',yTitle='values',title='Time Series Plot')
fig.axvline([500,800], linewidth=5,color="black", linestyle="--")
fig.show()

错误消息指出“图形”对象没有属性“ axvline”。

我不确定此消息是由于我对基本情节缺乏了解还是由于使用igraph的限制所致。

2 个答案:

答案 0 :(得分:1)

不确定这是否是您想要的,添加两个scatter似乎可行:

np.random.seed(123)
X = np.random.randn(1000,3)  
df=pd.DataFrame(X, columns=['a','b','c'])
fig = df.iplot(asFigure=True,xTitle='time',yTitle='values',title='Time Series Plot')

fig.add_scatter(x=[500]*100, y=np.linspace(-4,4,100), name='lower')
fig.add_scatter(x=[800]*100, y=np.linspace(-4,4,100), name='upper')

fig.show()

输出:

enter image description here

答案 1 :(得分:1)

答案:

要在现有的绘图中添加一条线,只需使用:

fig.add_shape(type='line',...)

详细信息:

我收集了this是自从您在matplotlib中混合以来所看到的帖子。如评论中所述,axvline与密谋无关。那仅是作为示例说明如何使用matplotlib完成它。使用plotly,我要么去fig.add_shape(go.layout.Shape(type="line")。但是在您亲自尝试之前,请注意cufflinks已被弃用。我真的很喜欢袖扣,但是现在有了用于构建快速和详细图表的更好的选择。如果您想坚持与iplot类似的一线模式,建议您使用plotly.express。您遇到的唯一障碍是将数据集从宽格式更改为plotly.express首选的长格式。下面的代码片段仅用于生成以下图:

enter image description here

代码:

import numpy as np
import pandas as pd
import plotly.express as px
from plotly.offline import iplot
#
np.random.seed(123)
X = np.random.randn(1000,3)  
df=pd.DataFrame(X, columns=['a','b','c'])
df['id'] = df.index
df = pd.melt(df, id_vars='id', value_vars=df.columns[:-1])

# plotly line figure
fig = px.line(df, x='id', y='value', color='variable')

# lines to add, specified by x-position
lines = {'a':500,'c':700,'a':900,'b':950}

# add lines using absolute references
for k in lines.keys():
    #print(k)
    fig.add_shape(type='line',
                yref="y",
                xref="x",
                x0=lines[k],
                y0=df['value'].min()*1.2,
                x1=lines[k],
                y1=df['value'].max()*1.2,
                line=dict(color='black', width=3))
    fig.add_annotation(
                x=lines[k],
                y=1.06,
                yref='paper',
                showarrow=False,
                text=k)
fig.show()