破折号错误地格式化时间序列的 x 轴

Question

我正在尝试使用 plotly/Dash 绘制一些时间序列数据，但图形将无法正确显示，尽管 x 轴的类型为“datetime.date”、“datetime.datetime”或格式正确的字符串（没有任何效果.. .)。可能使问题复杂化的是，我使用不同的函数生成了时间序列数据，将其存储到 dcc.Store 对象（作为 dict）中，然后将其转换回 Dataframe ......但我不确定。我的代码如下，但总结一下简单的行动计划：

1. 将资产的 Ticker 输入到输入框中，该输入框会生成一个字典并存储到 dcc.Store 中（我想重新使用这个时间序列，因此存储它而不是一次又一次地重复外部Bloomberg调用）

2. 立即从 dcc.Store 检索该字典，转换回 Dataframe 并生成简单图

查看每个步骤生成的数据类型时，我可以看到在使用 df.to_dict() 生成 dict 后，我有以下类型的数据：

{'Date': {0: datetime.date(2017, 1, 1),

  1: datetime.date(2017, 2, 1),

  2: datetime.date(2017, 3, 1),

  3: datetime.date(2017, 4, 1),

.

.

 28: datetime.date(2019, 5, 1)},

 'FD004': {0: 18890.3544,

  1: 18296.9503,

  2: 18667.1757,

.

.

  28: 16697.2425}}

然后在将此 dict 转换回 Dataframe 之后，我有：

          Date       FD004

0   2017-01-01  18890.3544

1   2017-02-01  18296.9503

2   2017-03-01  18667.1757

其中df ['日期']：

0     2017-01-01

1     2017-02-01

2     2017-03-01

.

.

27    2019-04-01

28    2019-05-01

Name: Date, dtype: object

但是然后我使用 to_datetime 或 astype('datetime64[ns]') 转换它，这给了我“正确的”dtype：

0    2017-01-01

1    2017-02-01

2    2017-03-01

.

.

27   2019-04-01

28   2019-05-01

Name: Date, dtype: datetime64[ns]

事实上，在检查生成的最终无花果时，我看到 plotly 已将其识别为日期时间对象：

<bound method BaseFigure.show of Figure({

    'data': [{'type': 'scatter',

              'x': array([datetime.datetime(2017, 1, 1, 0, 0),

                          datetime.datetime(2017, 2, 1, 0, 0),

                          datetime.datetime(2017, 3, 1, 0, 0),

                          . . . 

                          datetime.datetime(2019, 3, 1, 0, 0),

                          datetime.datetime(2019, 4, 1, 0, 0),

                          datetime.datetime(2019, 5, 1, 0, 0)], dtype=object),

              'y': array([18890.3544, 18296.9503, 18667.1757, ...

                          13202.488 , 14463.2424, 15025.5053, 16697.2425])}],

    'layout': {'template': '...'}

})>

但仍然......图表显示像意大利面条：

Answer 1

看起来日期并不是全部按递增顺序排序的，因此看起来像“意大利面条”（当回到过去时）。您的打印件显示的数据看起来已排序，因此我不确定，但中心部分丢失，以检查它们是否已排序运行np.all(np.sort(df['Date'])&nbsp;==&nbsp;df['Date'])您可以对数据进行排序（例如使用np.sortand&nbsp;np.argsort），或者如果您只对点而不是线感到满意，请使用mode='markers'散点图（参见https://plot.ly/python/line-and-scatter/）。