如何在时间序列图中添加和定义多条线？

我正在使用 python 的plotly 库创建一个基于线的时间序列图。我想将其连接到时间序列数据库，但目前我一直在使用 csv 数据进行测试。

是否有可能有一个x and y轴（时间与值），并从另一个 csv 列值（主机）加载多行并附加到 x 和 y 图表？

import pandas as pd
import plotly.express as px

 df = pd.read_csv('stats.csv')

 fig = px.line(df, x = 'time', y = 'connections', title='connections')
 fig.show()

我想在同一个图表上使用特定的 csv 主机列值定义多条线，以便每一行都由host列，并使用time vs connections轴。可以吗px.line方法适用于该用例，还是我应该考虑另一种方法？

对于plotly，您的源是数据库连接还是csv 文件并不重要。无论哪种方式，您很可能都会通过 pandas 数据框来处理该部分。但既然您谈论的是数据库，我将向您展示如何轻松地在具有典型数据库结构的数据集上构建绘图图表，在这种数据库结构中，您通常必须依赖数据的分组和子集来显示更改随着时间的推移，您的数据的不同子类别。 Plotly Express 有一些有趣的数据集尝试（dir(px.data)），就像gapminder数据集一样：

    country continent   year    lifeExp pop gdpPercap   iso_alpha   iso_num
0   Afghanistan Asia    1952    28.801  8425333 779.445314  AFG 4
1   Afghanistan Asia    1957    30.332  9240934 820.853030  AFG 4
2   Afghanistan Asia    1962    31.997  10267083    853.100710  AFG 4
3   Afghanistan Asia    1967    34.020  11537966    836.197138  AFG 4
4   Afghanistan Asia    1972    36.088  13079460    739.981106  AFG 4

如果您使用正确的方法，您可以轻松使用px.line()在这样的数据集上构建一个图形，并让图形函数为您处理分组。甚至稍后使用相同的函数将数据添加到该图中。下图是使用以下组合构建的px.line(), go.Figure() and add_traces

Plot 1:一个图使用px.line()

该图显示了欧洲大陆人均国内生产总值最高的五个国家。数据使用如下参数进行分组color='country'.

Plot 2:将数据添加到同一图

该图将美洲大陆人均国内生产总值最高的五个国家添加到第一个图。这就触发了以另一种方式识别数据的需要，以便能够看出数据是欧洲的还是美国的。这是使用参数处理的line_dash='country'以便与原始图相比的所有新数据都有虚线。

这只是一种方法。如果最终结果是您想要的，我们也可以讨论其他方法。

完整代码：

import plotly.graph_objs as go
import plotly.express as px
import pandas as pd

# Data
gapminder = px.data.gapminder()

# Most productive european countries (as of 2007)
df_eur = gapminder[gapminder['continent']=='Europe']
df_eur_2007 = df_eur[df_eur['year']==2007]
eur_gdp_top5=df_eur_2007.nlargest(5, 'gdpPercap')['country'].tolist()
df_eur_gdp_top5 = df_eur[df_eur['country'].isin(eur_gdp_top5)]

# Most productive countries on the american continent (as of 2007)
df_ame = gapminder[gapminder['continent']=='Americas']
df_ame_2007 = df_ame[df_ame['year']==2007]
df_ame_top5=df_ame_2007.nlargest(5, 'gdpPercap')['country'].tolist()
df_ame_gdp_top5 = df_ame[df_ame['country'].isin(df_ame_top5)]

# Plotly figure 1
fig = px.line(df_eur_gdp_top5, x='year', y='gdpPercap',
              color="country",
              line_group="country", hover_name="country")
fig.update_layout(title='Productivity, Europe' , showlegend=False)


# Plotly figure 2
fig2 = go.Figure(fig.add_traces(
                 data=px.line(df_ame_gdp_top5, x='year', y='gdpPercap',
                              color="country",
                              line_group="country", line_dash='country', hover_name="country")._data))
fig2.update_layout(title='Productivity, Europe and America', showlegend=False)

#fig.show()
fig2.show()