如何在Matplotlib中缩短跨赛季间隔日期点的距离？

方法1：插入空白断开跨赛季连线 #

要保留date类型同时避免休赛期的长连线，最直接的方式是在每个赛季末尾插入一行NaN值的表现数据，让matplotlib自动跳过这些点，断开跨赛季的连线。

步骤：

• 按赛季对数据分组（比如WNBA按年份划分赛季）
• 在每个赛季的最后一条数据后，添加一行日期（可取赛季末日期后几天）、表现为NaN的记录
• 最终绘图时，plt.plot()会自动忽略NaN点，不会画出休赛期的连线

示例代码：

import pandas as pd
import matplotlib.pyplot as plt

# 假设原始数据已整理为包含date和performance的DataFrame
df = pd.DataFrame({'date': pd.to_datetime(date_list), 'performance': performance_list})
df['season'] = df['date'].dt.year

# 生成带分隔的数据集
split_data = []
for season in df['season'].unique():
    season_df = df[df['season'] == season]
    # 添加分隔行：日期取赛季最后一天+2天，表现设为NaN
    last_date = season_df['date'].max()
    split_row = pd.DataFrame({
        'date': [last_date + pd.Timedelta(days=2)],
        'performance': [float('nan')],
        'season': [season]
    })
    split_data.append(season_df)
    split_data.append(split_row)

final_df = pd.concat(split_data).reset_index(drop=True)
plt.plot(final_df['date'], final_df['performance'])
plt.gcf().autofmt_xdate()
plt.show()

方法2：自定义时间缩放，压缩休赛期间隔 #

如果希望主动压缩休赛期的视觉间隔、拉长赛季内的间隔，可以通过自定义坐标映射实现，同时保留date类型的刻度标签。

核心思路：

• 将赛季内的日期按实际天数映射，休赛期则按比例压缩（比如把180天的休赛期压缩为10天的视觉间隔）
• 用原始日期作为x轴刻度标签，确保时间信息准确

示例代码：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import FixedLocator, FixedFormatter

df = pd.DataFrame({'date': pd.to_datetime(date_list), 'performance': performance_list})
df['season'] = df['date'].dt.year

scaled_x = []
prev_season_end = None

for season in df['season'].unique():
    season_df = df[df['season'] == season]
    season_start = season_df['date'].min()
    season_end = season_df['date'].max()
    
    # 计算赛季内日期相对赛季开始的天数
    season_days = (season_df['date'] - season_start).dt.days
    
    if prev_season_end is not None:
        # 休赛期实际天数压缩为10天的视觉间隔
        base = scaled_x[-1] + 10
    else:
        base = 0
    
    scaled_x.extend(base + season_days.tolist())
    prev_season_end = season_end

# 绘制缩放后的折线
plt.plot(scaled_x, df['performance'])

# 设置自定义刻度：用关键日期（赛季起止）作为标签
key_dates = df.groupby('season')['date'].agg(['min', 'max']).stack().tolist()
key_scaled_x = [scaled_x[df[df['date'] == d].index[0]] for d in key_dates]

plt.gca().xaxis.set_major_locator(FixedLocator(key_scaled_x))
plt.gca().xaxis.set_major_formatter(FixedFormatter([d.strftime('%Y-%m-%d') for d in key_dates]))
plt.gcf().autofmt_xdate()
plt.show()

方法3：分赛季独立绘制折线 #

直接按赛季拆分数据，每个赛季单独绘制折线，彻底避免跨赛季连线，同时x轴保留date类型。

示例代码：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({'date': pd.to_datetime(date_list), 'performance': performance_list})
df['season'] = df['date'].dt.year

fig, ax = plt.subplots()

# 遍历每个赛季绘制折线
for season in df['season'].unique():
    season_df = df[df['season'] == season]
    ax.plot(season_df['date'], season_df['performance'], label=f'Season {season}')

# 调整x轴刻度数量，避免拥挤
ax.xaxis.set_major_locator(plt.MaxNLocator(20))
plt.gcf().autofmt_xdate()
plt.legend()
plt.show()

内容的提问来源于stack exchange，提问作者babeimi