如何在Python中使用Matplotlib高亮时间序列图中的时间范围|极客教程

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

参考：How To Highlight a Time Range in Time Series Plot in Python with Matplotlib

在数据可视化中，时间序列图是一种常用的图表类型，用于展示随时间变化的数据趋势。有时，我们需要在时间序列图中突出显示某个特定的时间范围，以便更好地分析和展示数据。本文将详细介绍如何使用Python的Matplotlib库来实现这一功能，包括创建基本的时间序列图、添加高亮区域、自定义高亮样式等多个方面。

1. 创建基本的时间序列图

在开始高亮时间范围之前，我们首先需要创建一个基本的时间序列图。以下是一个简单的示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))
plt.plot(dates, values, label='Data from how2matplotlib.com')
plt.title('Time Series Plot')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用pandas的date_range函数创建了一个日期范围，然后生成了一些随机数据。使用plt.plot函数绘制了基本的时间序列图，并添加了标题、坐标轴标签和图例。

2. 使用axvspan高亮时间范围

Matplotlib提供了axvspan函数，可以用来在图表中添加垂直的高亮区域。以下是如何使用axvspan来高亮时间范围的示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))
plt.plot(dates, values, label='Data from how2matplotlib.com')

# 高亮时间范围
highlight_start = pd.to_datetime('2023-03-01')
highlight_end = pd.to_datetime('2023-05-31')
plt.axvspan(highlight_start, highlight_end, color='yellow', alpha=0.3, label='Highlighted Period')

plt.title('Time Series Plot with Highlighted Range')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用pd.to_datetime函数将字符串日期转换为datetime对象，然后使用plt.axvspan函数添加了一个黄色的半透明高亮区域。alpha参数控制透明度，label参数为高亮区域添加了图例标签。

3. 自定义高亮样式

我们可以通过调整axvspan的参数来自定义高亮区域的样式。以下是一个更复杂的示例，展示了如何创建多个高亮区域并自定义它们的样式：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))
plt.plot(dates, values, label='Data from how2matplotlib.com')

# 定义多个高亮区域
highlight_periods = [
    ('2023-02-01', '2023-03-31', 'yellow', 0.2, 'Period 1'),
    ('2023-06-01', '2023-07-31', 'green', 0.3, 'Period 2'),
    ('2023-10-01', '2023-11-30', 'red', 0.2, 'Period 3')
]

# 添加高亮区域
for start, end, color, alpha, label in highlight_periods:
    plt.axvspan(pd.to_datetime(start), pd.to_datetime(end), 
                color=color, alpha=alpha, label=label)

plt.title('Time Series Plot with Multiple Highlighted Ranges')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们定义了一个包含多个高亮期间的列表，每个期间包括开始日期、结束日期、颜色、透明度和标签。然后，我们使用循环为每个期间添加高亮区域，从而创建了具有多个不同样式高亮区域的时间序列图。

4. 使用fill_between高亮时间范围

除了axvspan，我们还可以使用fill_between函数来创建高亮区域。这种方法的优势是可以更灵活地控制高亮区域的形状。以下是一个使用fill_between的示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))
plt.plot(dates, values, label='Data from how2matplotlib.com')

# 定义高亮区域
highlight_start = pd.to_datetime('2023-04-01')
highlight_end = pd.to_datetime('2023-06-30')

# 使用fill_between添加高亮区域
plt.fill_between(dates, plt.ylim()[0], plt.ylim()[1], 
                 where=(dates >= highlight_start) & (dates <= highlight_end),
                 color='yellow', alpha=0.3, label='Highlighted Period')

plt.title('Time Series Plot with Highlighted Range using fill_between')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用fill_between函数创建了高亮区域。where参数用于指定应该填充的区域，我们使用布尔条件来选择日期范围内的点。这种方法允许我们创建更复杂的高亮形状，例如根据数据值变化的高亮区域。

5. 添加文本注释

为了进一步增强时间序列图的信息量，我们可以在高亮区域添加文本注释。以下是一个示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))
plt.plot(dates, values, label='Data from how2matplotlib.com')

# 定义高亮区域
highlight_start = pd.to_datetime('2023-05-01')
highlight_end = pd.to_datetime('2023-07-31')

# 添加高亮区域
plt.axvspan(highlight_start, highlight_end, color='yellow', alpha=0.3, label='Highlighted Period')

# 添加文本注释
mid_point = highlight_start + (highlight_end - highlight_start) / 2
plt.text(mid_point, plt.ylim()[1], 'Important Event', 
         horizontalalignment='center', verticalalignment='bottom')

plt.title('Time Series Plot with Highlighted Range and Annotation')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们首先计算了高亮区域的中点，然后使用plt.text函数在该点上方添加了文本注释。通过调整horizontalalignment和verticalalignment参数，我们可以控制文本的对齐方式。

6. 使用不同的颜色方案

为了使时间序列图更具视觉吸引力，我们可以尝试使用不同的颜色方案。以下是一个使用渐变色高亮多个时间范围的示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))
plt.plot(dates, values, label='Data from how2matplotlib.com', color='black')

# 定义高亮区域
highlight_periods = [
    ('2023-02-01', '2023-03-31'),
    ('2023-06-01', '2023-07-31'),
    ('2023-10-01', '2023-11-30')
]

# 创建渐变色映射
cmap = LinearSegmentedColormap.from_list("", ["lightblue", "darkblue"])

# 添加高亮区域
for i, (start, end) in enumerate(highlight_periods):
    color = cmap(i / (len(highlight_periods) - 1))
    plt.axvspan(pd.to_datetime(start), pd.to_datetime(end), 
                color=color, alpha=0.3, label=f'Period {i+1}')

plt.title('Time Series Plot with Gradient Highlighted Ranges')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用LinearSegmentedColormap创建了一个从浅蓝到深蓝的渐变色映射。然后，我们为每个高亮区域分配了一个渐变色，使得整个图表看起来更加和谐。

7. 添加交互式高亮功能

如果你正在使用Jupyter Notebook或其他支持交互式图表的环境，你可以添加交互式功能来动态高亮时间范围。以下是一个使用ipywidgets的示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from ipywidgets import interact, DatePicker

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建交互式函数
def plot_with_highlight(start_date, end_date):
    plt.figure(figsize=(12, 6))
    plt.plot(dates, values, label='Data from how2matplotlib.com')

    # 添加高亮区域
    plt.axvspan(start_date, end_date, color='yellow', alpha=0.3, label='Highlighted Period')

    plt.title('Interactive Time Series Plot with Highlighted Range')
    plt.xlabel('Date')
    plt.ylabel('Value')
    plt.legend()
    plt.grid(True)
    plt.show()

# 创建交互式控件
interact(plot_with_highlight, 
         start_date=DatePicker(description='Start Date'),
         end_date=DatePicker(description='End Date'))

这个示例创建了一个交互式图表，用户可以通过日期选择器来选择高亮区域的开始和结束日期。每次选择日期时，图表都会自动更新。

8. 处理大型数据集

当处理大型数据集时，可能需要考虑性能问题。以下是一个优化大型数据集绘图的示例：

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

# 创建大型示例数据集
dates = pd.date_range(start='2020-01-01', end='2023-12-31', freq='H')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
plt.figure(figsize=(12, 6))

# 使用降采样来提高性能
resampled_data = pd.Series(values, index=dates).resample('D').mean()
plt.plot(resampled_data.index, resampled_data.values, label='Data from how2matplotlib.com')

# 定义高亮区域
highlight_start = pd.to_datetime('2022-06-01')
highlight_end = pd.to_datetime('2022-12-31')

# 添加高亮区域
plt.axvspan(highlight_start, highlight_end, color='yellow', alpha=0.3, label='Highlighted Period')

plt.title('Time Series Plot with Highlighted Range (Large Dataset)')
plt.xlabel('Date')
plt.ylabel('Value')
plt.legend()
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用了pandas的resample函数对原始数据进行了降采样，将小时数据转换为日均值。这样可以显著减少需要绘制的数据点数量，提高绘图性能。

9. 使用双轴图表

有时，我们可能需要在同一图表中显示两个不同尺度的数据系列。以下是一个使用双轴并高亮时间范围的示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values1 = np.random.randn(len(dates)).cumsum()
values2 = np.random.randn(len(dates)).cumsum() * 100 + 1000

# 创建双轴图表
fig, ax1 = plt.subplots(figsize=(12, 6))
ax2 = ax1.twinx()

# 绘制第一个数据系列
ax1.plot(dates, values1, color='blue', label='Series 1 from how2matplotlib.com')
ax1.set_xlabel('Date')
ax1.set_ylabel('Values for Series 1', color='blue')
ax1.tick_params(axis='y', labelcolor='blue')

# 绘制第二个数据系列
ax2.plot(dates, values2, color='red', label='Series 2 from how2matplotlib.com')
ax2.set_ylabel('Values for Series 2', color='red')
ax2.tick_params(axis='y', labelcolor='red')

# 定义高亮区域
highlight_start = pd.to_datetime('2023-04-01')
highlight_end = pd.to_datetime('2023-08-31')

# 添加高亮区域
ax1.axvspan(highlight_start, highlight_end, color='yellow', alpha=0.3, label='Highlighted Period')

# 添加图例
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')

plt.title('Dual Axis Time Series Plot with Highlighted Range')
plt.grid(True)
plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们创建了一个主轴ax1和一个次轴ax2。两个数据系列分别在不同的轴上绘制，使用不同的颜色来区分。高亮区域添加在主轴上，但会影响整个图表。最后，我们合并了两个轴的图例，以便在一个位置显示所有信息。

10. 添加动态高亮效果

为了使时间序列图更具吸引力，我们可以添加动态高亮效果。以下是一个使用动画来高亮不同时间范围的示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from matplotlib.animation import FuncAnimation

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建图表
fig, ax = plt.subplots(figsize=(12, 6))
line, = ax.plot(dates, values, label='Data from how2matplotlib.com')
highlight = ax.axvspan(dates[0], dates[0], color='yellow', alpha=0.3)

ax.set_title('Animated Time Series Plot with Moving Highlight')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend()
ax.grid(True)

# 定义动画更新函数
def update(frame):
    start = dates[frame]
    end = dates[min(frame + 30, len(dates) - 1)]
    highlight.set_xy([(start, 0), (start, 1), (end, 1), (end, 0), (start, 0)])
    return highlight,

# 创建动画
ani = FuncAnimation(fig, update, frames=range(0, len(dates), 30), 
                    interval=200, blit=True)

plt.show()

在这个示例中，我们使用FuncAnimation创建了一个动画。update函数在每一帧更新高亮区域的位置，使其在时间轴上移动。这种动态效果可以帮助观察者更好地理解数据在不同时间段的变化。

11. 使用颜色映射高亮不同强度

我们可以使用颜色映射来表示不同时间段的重要性或强度。以下是一个使用颜色映射高亮时间范围的示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from matplotlib.colors import LinearSegmentedColormap

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(dates, values, label='Data from how2matplotlib.com', color='black')

# 创建颜色映射
cmap = LinearSegmentedColormap.from_list("", ["white", "red"])

# 定义高亮区域和强度
highlight_periods = [
    ('2023-02-01', '2023-03-31', 0.3),
    ('2023-06-01', '2023-07-31', 0.7),
    ('2023-10-01', '2023-11-30', 1.0)
]

# 添加高亮区域
for start, end, intensity in highlight_periods:
    ax.axvspan(pd.to_datetime(start), pd.to_datetime(end), 
               color=cmap(intensity), alpha=0.3, 
               label=f'Period (Intensity: {intensity:.1f})')

ax.set_title('Time Series Plot with Color-Mapped Highlighted Ranges')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend()
ax.grid(True)

plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用LinearSegmentedColormap创建了一个从白色到红色的颜色映射。每个高亮区域都有一个强度值，用于从颜色映射中选择颜色。这种方法可以直观地显示不同时间段的重要性或关注度。

12. 添加垂直参考线

除了高亮区域，我们还可以添加垂直参考线来标记特定的时间点。以下是一个结合高亮区域和垂直参考线的示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(dates, values, label='Data from how2matplotlib.com')

# 添加高亮区域
highlight_start = pd.to_datetime('2023-05-01')
highlight_end = pd.to_datetime('2023-08-31')
ax.axvspan(highlight_start, highlight_end, color='yellow', alpha=0.3, label='Highlighted Period')

# 添加垂直参考线
reference_dates = [pd.to_datetime('2023-03-15'), pd.to_datetime('2023-07-01'), pd.to_datetime('2023-11-30')]
for date in reference_dates:
    ax.axvline(date, color='red', linestyle='--', label='Reference Date' if date == reference_dates[0] else '')

ax.set_title('Time Series Plot with Highlighted Range and Reference Lines')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend()
ax.grid(True)

plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用axvline函数添加了垂直参考线。这些线可以用来标记重要事件或时间点，与高亮区域一起提供更丰富的上下文信息。

13. 使用阴影效果增强视觉效果

我们可以使用阴影效果来增强高亮区域的视觉效果。以下是一个使用阴影效果的示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from matplotlib.patches import Rectangle

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(dates, values, label='Data from how2matplotlib.com')

# 定义高亮区域
highlight_start = pd.to_datetime('2023-04-01')
highlight_end = pd.to_datetime('2023-08-31')

# 添加带阴影的高亮区域
rect = Rectangle((highlight_start, ax.get_ylim()[0]), 
                 highlight_end - highlight_start, 
                 ax.get_ylim()[1] - ax.get_ylim()[0],
                 facecolor='yellow', alpha=0.3, edgecolor='none')
shadow = Rectangle((highlight_start, ax.get_ylim()[0]), 
                   highlight_end - highlight_start, 
                   ax.get_ylim()[1] - ax.get_ylim()[0],
                   facecolor='gray', alpha=0.3, edgecolor='none',
                   transform=ax.transData.transform(ax.transAxes.inverted()))
ax.add_patch(shadow)
ax.add_patch(rect)

ax.set_title('Time Series Plot with Shadowed Highlighted Range')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend()
ax.grid(True)

plt.show()

在这个示例中，我们使用Rectangle对象创建了高亮区域和阴影。阴影略微偏移，创造出一种立体效果，使高亮区域更加突出。

14. 添加注释和箭头

为了进一步增强图表的信息量，我们可以在高亮区域添加注释和箭头。以下是一个示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(dates, values, label='Data from how2matplotlib.com')

# 定义高亮区域
highlight_start = pd.to_datetime('2023-05-01')
highlight_end = pd.to_datetime('2023-08-31')

# 添加高亮区域
ax.axvspan(highlight_start, highlight_end, color='yellow', alpha=0.3, label='Highlighted Period')

# 添加注释和箭头
mid_point = highlight_start + (highlight_end - highlight_start) / 2
ax.annotate('Important Event', xy=(mid_point, ax.get_ylim()[1]),
            xytext=(mid_point, ax.get_ylim()[1] + 1),
            arrowprops=dict(facecolor='black', shrink=0.05),
            horizontalalignment='center')

ax.set_title('Time Series Plot with Highlighted Range and Annotation')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend()
ax.grid(True)

plt.show()

Output:

如何在Python中使用Matplotlib高亮时间序列图中的时间范围

在这个示例中，我们使用annotate函数添加了一个带箭头的注释。注释指向高亮区域的中点，提供了额外的上下文信息。

15. 使用填充样式高亮

除了使用半透明颜色，我们还可以使用填充样式来高亮时间范围。以下是一个使用不同填充样式的示例：

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

# 创建示例数据
dates = pd.date_range(start='2023-01-01', end='2023-12-31', freq='D')
values = np.random.randn(len(dates)).cumsum()

# 创建时间序列图
fig, ax = plt.subplots(figsize=(12, 6))
ax.plot(dates, values, label='Data from how2matplotlib.com')

# 定义高亮区域
highlight_periods = [
    ('2023-02-01', '2023-03-31', '//'),
    ('2023-06-01', '2023-07-31', 'o'),
    ('2023-10-01', '2023-11-30', '+')
]

# 添加高亮区域
for start, end, pattern in highlight_periods:
    ax.axvspan(pd.to_datetime(start), pd.to_datetime(end), 
               facecolor='none', edgecolor='gray', hatch=pattern, alpha=0.5,
               label=f'Period ({pattern})')

ax.set_title('Time Series Plot with Pattern-Filled Highlighted Ranges')
ax.set_xlabel('Date')
ax.set_ylabel('Value')
ax.legend()
ax.grid(True)

plt.show()