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，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。这是：

设置：假设您有一组随机 (x,y) 点用于线图。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 条线中的每一条都分解成各自的图。

[![在此处输入图片描述][1]][1]

第 1 步）对于每个线图 A、B、C、D 转到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

我认为您需要定义计算局部最大值的特定逻辑，而不仅仅是使用“时钟”比喻，但是一旦您使用 scipi、pandas 或其他库定义了该逻辑，您就可以像我一样创建一个数据框。从那里，您应该能够从下面产生结果。

如果您对 seaborn（建立在 matplotlib 之上）没问题，我认为它会更容易一些，因为您可以传递 hue 参数来创建所有一行代码中每个类别的行。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（只是画一条线到最后，没有定义局部最大值——目的只是告诉你如何从最大点到另一个定义的点画一条线）：

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到最后，而不定义局部最大值 - 目的只是向您展示如何从最大值点到另一个点绘制一条线定义点）：使用您提供的数据的示例：

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')