Python matplotlib не дизайнерский сюжет

Question

У меня проблема с matplotlib,
Я не знаю, почему он будет проектировать только горизонтальную линию, а не регрессию. Нет синтаксической ошибки. Не могли бы вы дать мне какую-нибудь идею?

    import pandas as pd
    import numpy as np
    from sklearn.svm import SVR
    import matplotlib.pyplot as plt
    from datetime import datetime
    plt.switch_backend('qt4agg')
    #plt.switch_backend('QT5')
    #Load the data
    #from google.colab import files # Use to load data on Google Colab
    #uploaded = files.upload() # Use to load data on Google Colab
    df = pd.read_csv('GBPCAD.csv')
    df.head(99)

    #Create the lists / X and y data set
    dates = []
    prices = []
    #Get the number of rows and columns in the data set
    df.shape
    df.tail(1)
    #Get all of the data except for the last row
    df = df.head(len(df)-1)
    print(df.shape)
    df_dates = df.loc[:,'Date']
    df_open = df.loc[:,'Price']
    #Create the independent data set 'X' as dates - Sep 04, 2019 - 2019-09-17
    for date in df_dates:
      inDate = date
      dataClean = inDate.replace(',', '')
      d = datetime.strptime(dataClean, "%b %d %Y")
      dataFormattata = d.strftime("%Y-%m-%d")
      dates.append( [int(dataFormattata.split('-')[2])] )

    #Create the dependent data set 'y' as prices
    for open_price in df_open:
      prices.append(float(open_price))

    dates.reverse()
    prices.reverse()

    print(dates)
    print(prices)
    giorni=len(dates) +1

    #Function to make predictions using 3 different support vector regression models with 3 different kernals
    def predict_prices(dates, prices, x):
      #Create 3 Support Vector Regression Models
      svr_lin = SVR(kernel='linear', C=1e3)
      svr_poly = SVR(kernel='poly', C=1e3, degree=2)
      svr_rbf = SVR(kernel='rbf', C=1e3, gamma='auto')

      #Train the models on the dates and prices
      svr_lin.fit(dates,prices)
      svr_poly.fit(dates, prices)
      svr_rbf.fit(dates, prices)

      #Plot the models on a graph to see which has the best fit
      plt.scatter(dates, prices, color = 'black', label='Data')
      plt.plot(dates, svr_rbf.predict(dates), color = 'red', label='RBF model')
      plt.plot(dates, svr_lin.predict(dates), color = 'green', label='Linear model')
      plt.plot(dates, svr_poly.predict(dates), color = 'blue', label='Polynomial model')
      plt.xlabel('Date')
      plt.ylabel('Price')
      plt.title('Support Vector Regression')
      plt.legend()
      plt.show()
      #return all three model predictions
      return svr_rbf.predict(x)[0], svr_lin.predict(x)[0], svr_poly.predict(x)[0]

      #Predict the price of FB on day 31
    predicted_price = predict_prices(dates, prices, [[giorni]])
    print(predicted_price)

Где неправильный семантический или неправильный код? Я не могу понять, почему это не работает.

Это CSV, который я остаюсь использовать, загруженный с Investing.com в качестве исторических данных. https://gofile.io/?c=22ww2D