Τονίστε το διάστημα που σας ενδιαφέρει

Ενημέρωση 2020-04-08 Ανάγνωση 1 λεπτά

Συνδυάζοντας το κλασικό line chart με ax.axvspan μπορούμε να σκιάσουμε οποιοδήποτε διάστημα και να τραβήξουμε την προσοχή σε εβδομάδες καμπανιών ή περιόδους αιχμής.

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

dates = pd.date_range("2024-04-01", periods=30, freq="D")
sessions = np.random.poisson(lam=500, size=len(dates)) + np.linspace(0, 80, len(dates))

fig, ax = plt.subplots(figsize=(7, 4))
ax.plot(dates, sessions, color="#6366f1", linewidth=2)

campaign_start = pd.Timestamp("2024-04-10")
campaign_end = pd.Timestamp("2024-04-18")
ax.axvspan(campaign_start, campaign_end, color="#fbbf24", alpha=0.2, label="Καμπάνια")

ax.set_ylabel("Αριθμός sessions")
ax.set_title("Καθημερινά sessions και περίοδος καμπάνιας")
ax.legend(loc="upper left")
ax.grid(alpha=0.3)

fig.tight_layout()

plt.show()

Το axvspan προσθέτει απαλή σκίαση ώστε οι περίοδοι καμπάνιας να ξεχωρίζουν

Τι να θυμάστε #

Κρατήστε το υπόβαθρο διακριτικό και πιο ανοιχτό από τη γραμμή ώστε να μην κλέβει την παράσταση.
Για πολλαπλά διαστήματα, διαφοροποιήστε με ξεχωριστά χρώματα ή pattern.
Συμπληρώστε σύντομα annotations με το όνομα του event ή της ενέργειας· θα αποτελέσουν χρήσιμο ιστορικό για μελλοντική ανάλυση.