将 FRED 的数据用于劳动力数据和衰退数据，并对您的代码进行轻微调整，我想我会得到您想要的结果：

import pandas as pd
import matplotlib.pyplot as plt

# read in data
rec_data = pd.read_csv("USREC.csv")
ls_data = pd.read_csv("LABSHPUSA156NRUG.csv")

# make sure date columns are actual dates
rec_data["DATE"] = pd.to_datetime(rec_data["DATE"])
ls_data["DATE"] = pd.to_datetime(ls_data["DATE"])

# create plot
fig, ax = plt.subplots()
ls_data.plot.line(ax=ax, figsize=(8, 5), x='DATE', color="blue")
rec_data.plot.area(ax=ax, figsize=(8, 5), x='DATE', alpha=0.5, color="gray")
plt.xlim("1950-01-01", "2020-01-01")
plt.ylim(0.58, 0.65)

Oxbowerce 的回答似乎有问题，所以我想提供一个替代方案。衰退数据是月度数据，而劳动力市场数据是年度数据：为了解决这种差异，我将年度数据重新采样为月度数据，使用简单平均值进行插值，合并数据并绘制图。随着数据在同一日期合并，奇怪的视觉伪影消失了。

1.问题

要查看 Oxbowerce 方法的问题，让我们为较小的数据样本创建一个图。使用 Oxbowerce 的代码但放大 2007-2009：

衰退线不是垂直的！

2.一种解决方案

可能有一种pandas解决方法可以无缝地绘制不同频率的数据，而不会出现上述奇怪的伪影，但我不知道，所以我花了很长的时间重新采样数据。

2a：使用前向填充“.ffill()”重新采样到每月

dy = df.set_index('DATE').resample('M').ffill().reset_index()
d1 = pd.merge(dr, dy, left_index=True, right_index=True, suffixes=("", "_y")).drop(labels='DATE_y', axis=1)

中间产品：

现在劳动力市场数据看起来参差不齐。所以我们插值。

2b：使用 '.mean().interpolate('linear')' 重新采样到每月

# interpolate data | MS='Month Start', default is M=ME='Month End'
di = df.set_index('DATE').resample('1MS').mean().interpolate('linear').reset_index()
d2 = pd.merge(dr, di, left_index=True, right_index=True, suffixes=("", "_y")).drop(labels='DATE_y', axis=1)

完成品：

绘制衰退区域的代码：

# convenience function
def plot_series(ax, df, index, cols, area, **kwargs):
    # convert area variable to boolean
    df[area] = df[area].astype(int).astype(bool)
    # set up an index based on date
    df = df.set_index(keys=index, drop=False)
    # line plot
    df.plot(ax=ax, x=index, y=cols, **kwargs)
    # extract limits
    y1, y2 = ax.get_ylim()
    ax.fill_between(df[index].index, y1=y1, y2=y2, where=df[area], facecolor='grey', alpha=0.4)
    return ax

# plot resampled data with method='ffill'
f, ax = plt.subplots()
plot_series(ax, d1, index='DATE', cols='LABSHPUSA156NRUG', area='USREC')
ax.grid(True)
plt.show()

# plot resampled data with .mean().interpolate('linear')
f, ax = plt.subplots()
plot_series(ax, d2, index='DATE', cols='LABSHPUSA156NRUG', area='USREC')
ax.grid(True)
plt.show()