我正在使用 matplotlib 显示股票价格随时间的变化。我想关注过去 90 天，然后预测接下来的 14 天。我有过去 90 天的数据和我的预测，但我想用不同的颜色绘制我的预测，所以很明显它们是不同的。
我该怎么做？
如果我只是在我的代码中添加第二个 plot() 调用，预测将从与我 90 天的数据相同的点开始并被覆盖，这不是我想要的。
现在我正在这样做：
df[-90:]["price"].plot()
plt.show()
谢谢！
【问题讨论】：
标签： python pandas matplotlib
希望这是你想要的：
import pandas as pd
import numpy as np; np.random.seed(1)
import matplotlib.pyplot as plt
datelist = pd.date_range(pd.datetime(2018, 1, 1), periods=104)
df = pd.DataFrame(np.cumsum(np.random.randn(104)),
columns=['price'], index=datelist)
plt.plot(df[:90].index, df[:90].values)
plt.plot(df[90:].index, df[90:].values)
# If you don't like the break in the graph, change 90 to 89 in the above line
plt.gcf().autofmt_xdate()
plt.show()
【讨论】：
简答：
使用pd.merge()，充分利用两个不同系列的缺失值，得到两条不同颜色的线。对于您使用的数据帧索引类型（日期、整数和字符串），此建议将非常灵活。这就是你会得到的：
长答案：
关于...的详细信息
我想关注过去 90 天，然后预测接下来的 14 天。
...我将假设您使用的是带有每日索引的数据框。我还假设您知道数据集的索引值是 90 天，数据集是 14 天。
这是一个包含 104 个观察值（随机数据）的数据框：
片段 1：
import pandas as pd
import numpy as np
np.random.seed(12)
rows = 104
df = pd.DataFrame(np.random.randint(-4,5,size=(rows, 1)), columns=['data'])
datelist = pd.date_range(pd.datetime(2018, 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 = df.cumsum()
df.plot()
情节 1：
为了复制您的设置，我将数据框分成两个不同的帧，分别包含 90 个观察值（价格）和 14 天（预测值）。这样，您将拥有两个不同的数据集，但关联的索引将是连续的 - 我假设这是您的实际情况。
片段 2：
df_90 = df[:90].copy(deep = True)
df_14 = df[-14:].copy(deep = True)
df_90.columns = ['price']
df_14.columns = ['predictions']
df_90.plot()
df_14.plot()
情节 2：
现在您可以将它们合并在一起，这样您将获得一个包含两列（数据和预测）的数据框。当然，你最终会得到一些缺失的数据，但这正是你绘制时会给你两条不同颜色的线的原因。
片段 3：
df_all = pd.merge(df_90, df_14, how = 'outer', left_index=True, right_index=True)
df_all.plot()
情节 3：
我希望建议的解决方案符合您的实际情况。让我知道有关索引的详细信息是否会成为问题，我也会对此进行研究。
以下是简单复制粘贴的完整代码：
import pandas as pd
import numpy as np
np.random.seed(12)
rows = 104
df = pd.DataFrame(np.random.randint(-4,5,size=(rows, 1)), columns=['data'])
datelist = pd.date_range(pd.datetime(2018, 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 = df.cumsum()
df.plot()
df_90 = df[:90].copy(deep = True)
df_14 = df[-14:].copy(deep = True)
df_90.columns = ['price']
df_14.columns = ['predictions']
df_90.plot()
df_14.plot()
df_all = pd.merge(df_90, df_14, how = 'outer', left_index=True, right_index=True)
df_all.plot()
【讨论】：