用 python 绘制不同时间序列数据的图表

我有两个不同的时间序列数据，如下所示。

我希望将这两组不同的时间序列值放在一个图表中。代码如下，不幸的是，这并不是我想要的效果。第二张图片就是我想要的效果

plt.figure fig,ax = plt.subplots(1,1) ax.plot(df['TIME1'][1:100],df['DATA1'][1:100]) ax.plot(df['TIME2'][1:100],df['DATA2'][1:100]) ax.xaxis.set_major_locator(ticker.MultipleLocator(ticker_spacing1)) plt.show()

more

我了解你想将两个时间序列数据按时间顺序绘制在一个图表中，但是你的代码没有达到预期的效果。问题在于，你分别绘制了两个时间序列，而没有将它们的时间轴对齐。

为了实现你想要的效果，你需要：

1. 合并两个数据框的时间列： 创建一个新的时间轴，它包含两个数据框中所有的唯一时间点。
2. 将两个数据框的数据与新时间轴对齐： 使用合并后的时间轴作为索引，将两个数据框的数据与之对齐，缺失值可以用NaN填充。
3. 绘制合并后的数据： 使用 matplotlib 绘制合并后的数据，新时间轴作为 X 轴。

以下是代码示例：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.ticker as ticker

# 假设你的数据框名为 df

# 1. 合并时间列
combined_time = pd.concat([df['TIME1'], df['TIME2']]).unique()
combined_time.sort()

# 2. 创建新的数据框，使用合并后的时间轴作为索引
df1 = df.set_index('TIME1')[['DATA1']].reindex(combined_time)
df2 = df.set_index('TIME2')[['DATA2']].reindex(combined_time)

# 3. 绘制合并后的数据
fig, ax = plt.subplots(1, 1)

ax.plot(df1.index, df1['DATA1'], label='DATA1')
ax.plot(df2.index, df2['DATA2'], label='DATA2')

ax.xaxis.set_major_locator(ticker.MultipleLocator(ticker_spacing1))
plt.legend()
plt.show()

这段代码首先合并了两个时间列，然后使用 reindex 函数将两个数据框的数据与新的时间轴对齐。最后，代码使用 matplotlib 绘制了合并后的数据。

希望这段代码可以帮助你实现你想要的效果！ 如果你的数据框结构不同，请告诉我，我会尽力调整代码。