下面这段代码是使用MatPlotLib绘制数据随时间变化的趋势。
创新互联长期为1000多家客户提供的网站建设服务，团队从业经验10年，关注不同地域、不同群体，并针对不同对象提供差异化的产品和服务；打造开放共赢平台，与合作伙伴共同营造健康的互联网生态环境。为万年企业提供专业的网站建设、成都做网站，万年网站改版等技术服务。拥有10多年丰富建站经验和众多成功案例,为您定制开发。
import datetime as dt
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.pylab as plb
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
df = pd.DataFrame(columns=('Time', 'Sales'))
start_date = dt.datetime(2022, 7, 1)
end_date = dt.datetime(2022, 7, 10)
daterange = pd.date_range(start_date, end_date)
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(15, 5))
for single_date in daterange:
row = dict(zip(['Time', 'Sales'], [single_date, int(50 * np.random.rand(1))]))
row_s = pd.Series(row)
row_s.name = single_date.strftime('%b %d')
df = df.append(row_s)
df.loc['Jul 01': 'Jul 07', ['Sales']].plot(ax=axes[0])
axes[0].set_ylim(0, 50)
axes[0].set_xlabel('Sales Date')
axes[0].set_ylabel('Sale Value')
axes[0].set_title('在轴上表示时间')
axes[0].grid()
# 标绘随时间的趋势
df.loc['Jul 01': 'Jul 07', ['Sales']].plot(ax=axes[1])
xx = np.arange(0, 10).flatten() * 1.0
yy = df['Sales'].values.flatten() * 1.0
# 下面的print用于调试，正式代码中可删除
print('xx: ', xx)
print('type(xx): ', type(xx))
print('type(xx[0]): ', type(xx[0]))
print('xx shape: ', xx.shape)
print('yy: ', yy)
print('type(yy): ', type(yy))
print('type(yy[0]): ', type(yy[0]))
print('yy shape: ', yy.shape)
# 上面的print用于调试，正式代码中可删除
z1 = np.polyfit(xx, yy, 1)
p1 = np.poly1d(z1)
plb.plot(xx, p1(xx), 'm-')
axes[1].set_ylim(0, 50)
axes[1].set_xlabel('Sales Date')
axes[1].set_ylabel('Sale Value')
axes[1].set_title('标绘随时间的趋势')
axes[1].legend(['Sales', 'Trend'])
axes[1].grid()
上面代码在最初运行时，并没有中间一大段print，当执行到z1 = np.polyfit(xx, yy, 1)时报错，在一大段错误信息最后，有一句“TypeError: No loop matching the specified signature and casting was found for ufunc lstsq_n” 。大致意思是：没有找到符合指定签名和特征的循环。
在查找原因的过程中，看到一篇文章【pearsonr计算相关性时报错:No loop matching the specified signature and casting was found for ufunc add】，其描述的错误现象和上面错误基本相同。于是尝试按照文章中的思路来解决，也才有了上面代码中大段的print。
注意到xx和yy不相同的地方是：xx中元素的类型是：numpy.float64，而yy中元素的类型是float，可能这就是产生错误的原因。于是把生成yy的语句由原来的yy = df['Sales'].values.flatten() * 1.0，改为yy = np.array(df['Sales'].values * 1.0, dtype='float64').flatten()，再次运行后没有报错，并绘制出相应的图形。