我有一些数据的数组，其中一些值丢失了
y = np.array([np.NAN, 45, 23, np.NAN, 5, 14, 22, np.NAN, np.NAN, 18, 23])
当我绘制它时，我缺少这些 NAN（这是预期的）
fig, ax = plt.subplots()
ax.plot(y)
plt.show()
我想要的是连接缺失部分的虚线。例如，在缺少数据点 3 的情况下，应该有一条虚线连接 2 和 4 之间的现有点，（缺少数据点 7 和 8 也是如此。如果数据点位于区间边缘（数据点 0）I希望有一条水平线连接它们（想象上一个/下一个数据点与可用边缘相同）。
我saw 这里的问题询问如何删除这些空段（不是我想要的）。我可以通过创建另一个数组来解决它，该数组将插入缺失值和所有其他值 NAN，但它看起来对我来说很复杂。
因为这看起来很常见，我希望有一个更简单的方法。
【问题讨论】：
标签： python matplotlib
我想说链接问题的解决方案可以直接应用在这里，在直线后面画一条虚线。
import numpy as np
import matplotlib.pyplot as plt
y = np.array([np.NAN, 45, 23, np.NAN, 5, 14, 22, np.NAN, np.NAN, 18, 23])
x = np.arange(0, len(y))
mask = np.isfinite(y)
fig, ax = plt.subplots()
line, = ax.plot(x[mask],y[mask], ls="--",lw=1)
ax.plot(x,y, color=line.get_color(), lw=1.5)
plt.show()
为了在边缘值的情况下考虑水平线，可以检查它们是否为 nan 并用相邻值替换它们。
import numpy as np
import matplotlib.pyplot as plt
y = np.array([np.NAN, 45, 23, np.NAN, 5, 14, 22, np.NAN, np.NAN, 18, 23,np.NAN])
x = np.arange(0, len(y))
yp = np.copy(y)
if ~np.isfinite(y[0]): yp[0] = yp[1]
if ~np.isfinite(y[-1]): yp[-1] = yp[-2]
mask = np.isfinite(yp)
fig, ax = plt.subplots()
line, = ax.plot(x[mask],yp[mask], ls="--",lw=1)
ax.plot(x,y, color=line.get_color(), lw=1.5)
plt.show()
【讨论】：
nan, 43，我想有一条虚线43, 43。
您正在寻找的效果的一种快速简单的方法是绘制相同的系列两次，如下所示：
y = np.array([np.NAN, 45, 23, np.NAN, 5, 14, 22, np.NAN, np.NAN, 18, 23])
x = np.arange(len(y))
_y = y[~np.isnan(y)]
_x = x[~np.isnan(y)]
fig, ax = plt.subplots()
ax.plot(_x, _y, linestyle="--", lw=.5)
ax.plot(x, y, lw=1)
请注意，首先绘制连接缺失值的线，然后非缺失值是叠加层（您也可以在调用 plot 中使用zorder kwarg 来控制绘图顺序）。上面的代码创建了这个：
【讨论】：
nan 值，但是如果您使用nan 来指示有用的数据，例如化学分析时间序列中的未检测，那么我考虑使用填充的散点图nan 值与分析方法检测限。您填写缺失数据的原因可能会有所不同，但是一旦您选择了一种方法（和一个原因），如果您需要有关使用matplotlib 以按照您的设想进行绘制的帮助，您可以提出另一个问题。
这是一个在边缘使用多个 NaN 的解决方案。为了证明这一点，我在每一侧添加了一个 NaN。
import numpy as np
import matplotlib.pyplot as plt
y = np.array([np.NAN, np.NAN, 45, 23, np.NAN, 5, 14, 22, np.NAN, np.NAN, 18, 23, np.NAN])
x = np.arange(0, len(y))
mask = np.isfinite(y)
# get first value in list
for i in range(len(mask)):
if mask[i]:
first = i
break
# get last vaue in list
for i in range(len(mask)-1, -1, -1):
if mask[i]:
last = i
break
# fill NaN with near known value on the edges
yp = np.copy(y)
yp[:first] = yp[first]
yp[last + 1:] = yp[last]
mask = np.isfinite(yp)
fig, ax = plt.subplots()
line, = ax.plot(x[mask],yp[mask], ls="--",lw=1)
ax.plot(x,y, color=line.get_color(), lw=1.5)
plt.show()
您可以使用numpy.where，以减少代码，但在这里简单的python 迭代实际上更有效。查看比较in my comment here。
ind = np.where(y)[0]
first, last = ind[0], ind[-1]
【讨论】：