import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns

# Make example data
s = """2018-01-01
2018-01-02,100
2018-01-03,105
2018-01-04
2018-01-05,95
2018-01-06,90
2018-01-07,80
2018-01-08
2018-01-09"""
df = pd.DataFrame([row.split(",") for row in s.split("\n")], columns=["Date", "Data"])
df = df.replace("", np.nan)
df["Date"] = pd.to_datetime(df["Date"])
df["Data"] = df["Data"].astype(float)

三种选择：
1)使用pandas或matplotlib。
2)如果您需要seaborn：不是它的用途，但对于像你这样的常规日期，你可以使用pointplot开箱即用。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.pointplot(
    ax=ax,
    data=df, x="Date", y="Data"
)

ax.set_xticklabels([])

plt.show()

3)如果您需要seaborn和lineplot：我看了一下源代码，它看起来像lineplot在绘图之前从DataFrame中删除nans。所以不幸的是，它不可能正确地做到这一点。你可以使用一些先进的黑客技术，并使用hue参数将单独的部分放在单独的bucket中。我们使用nans的出现来编号部分。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.lineplot(
    ax=ax,
    data=df, x="Date", y="Data",
    hue=df["Data"].isna().cumsum(), palette=["black"]*sum(df["Data"].isna()), legend=False, markers=True
)
ax.set_xticklabels([])

plt.show()

不幸的是，标记参数目前似乎被破坏了，所以如果你想看到两边都有nans的日期，你需要修复它。

尝试将NaN值设置为np.inf-- Seaborn不会绘制这些点，也不会将之前的点与之后的点连接起来。

根据Denziloe的回答：
有三种选择：
1)使用pandas或matplotlib。
2)如果您需要seaborn：不是它的用途，而是像pointplot这样的常规日期可以开箱即用。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.pointplot(
    ax=ax,
    data=df, x="Date", y="Data"
)

ax.set_xticklabels([])

plt.show()

基于问题数据构建的图表如下所示：

优点：

• 易于实施
• 数据中被None包围的离群值将在图上很容易注意到

缺点：

• 生成这样的图需要很长时间（与lineplot相比）
• 当有许多点时，就很难阅读这样的图表

3)如果您需要seaborn和lineplot：hue参数可用于将单独的节放入单独的桶中。我们使用nan的出现次数对节进行编号。

fig, ax = plt.subplots(figsize=(10, 5))

plot = sns.lineplot(
    ax=ax
    , data=df, x="Date", y="Data"
    , hue=df["Data"].isna().cumsum()
    , palette=["blue"]*sum(df["Data"].isna())
    , legend=False, markers=True
)

ax.set_xticklabels([])

plt.show()

优点：

• 线图
• 易读
• 生成速度快于点图

缺点：

• 数据中被None包围的离群值将不会绘制在图表上

该图如下所示：

• 由于数据已经在pandas.DataFrame中，最简单的解决方案是直接使用pandas.DataFrame.plot绘图，它使用matplotlib作为默认绘图后端。
• 顺便说一下，seaborn是matplotlib的高级API。
  *在python 3.11.2、pandas 2.0.0、matplotlib 3.7.1中测试

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# load the csv file
df = pd.read_csv('d:/data/hh.ru_stack.csv')

# convert the date column to a datetime.date
df.Date = pd.to_datetime(df.Date, format='%d-%m-%y').dt.date

# plot with markers
ax = df.plot(x='Date', marker='.', figsize=(9, 6))

# set the ticks for every year if desired
ax.xaxis.set_major_locator(mdates.YearLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y"))

• 或者，使用matplotlib.axes.Axes.plot或matplotlib.pyplot.plot绘图

fig, ax = plt.subplots(figsize=(9, 6))
ax.plot('Date', 'Stagnation', '.-', data=df)
ax.legend()

ax.xaxis.set_major_locator(mdates.YearLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter("%Y"))