如何在matplotlib的plt.acorr中修改x轴刻度为实际时间间隔（秒）

嗨，这个问题很好解决！plt.acorr默认用采样点的序号作为滞后刻度，但我们可以轻松把它转换成实际的时间间隔，下面给你两种实用的方法：

方法一：捕获返回值，手动映射时间刻度 #

plt.acorr会返回几个关键值，其中就包含默认的滞后采样点序号数组lags。我们只需要把这些序号乘以你的采样间隔（2.16秒），就能得到真实的时间滞后，再替换x轴的刻度标签即可：

import matplotlib.pyplot as plt
import numpy as np

data = [7.27958e-01, 6.59925e-01, 2.62454e-01, -1.73168e-01, 9.55694e-01,
        2.25121e-01, 1.08360e+00, 3.71316e-01, -3.17764e+00, -1.15648e+00, -2.42453e+00]

# 定义每个采样点之间的时间间隔（秒）
sampling_interval = 2.16

# 调用plt.acorr并捕获返回的滞后序号数组lags
lags, corr, _, _ = plt.acorr(x=data, maxlags=None, normed=True, usevlines=True,
                             color="blue", lw=2)

# 将采样点滞后数转换为实际时间（秒）
time_lags = lags * sampling_interval

# 替换x轴刻度：保留原刻度位置，将标签改为实际时间（保留两位小数更整洁）
plt.xticks(lags, time_lags.round(2))

# 设置x轴范围（按需调整）
max_positive_time = np.max(time_lags[time_lags >= 0])
plt.xlim(-0.1, max_positive_time)

plt.xlabel("滞后时间（秒）")
plt.ylabel("自相关系数")
plt.show()

方法二：直接修改现有刻度标签 #

如果已经绘制了自相关图，也可以直接获取当前x轴的刻度，再批量转换为时间值：

# 先绘制自相关图
plt.acorr(x=data, maxlags=None, normed=True, usevlines=True,
          color="blue", lw=2)

sampling_interval = 2.16
# 获取当前x轴的刻度位置
current_tick_positions = plt.xticks()[0]
# 将每个刻度位置转换为实际时间
time_tick_labels = [round(pos * sampling_interval, 2) for pos in current_tick_positions]
# 设置新的刻度标签
plt.xticks(current_tick_positions, time_tick_labels)

plt.xlim(-0.1, 10 * sampling_interval)
plt.show()

额外说明 #

如果想要x轴显示均匀间隔的时间刻度（比如每2秒一个刻度），可以先计算对应需要的采样点滞后数，再手动指定刻度：

desired_time_ticks = np.arange(0, 22, 2)  # 0,2,4,...,20秒
# 计算对应的采样点滞后数
corresponding_lags = desired_time_ticks / sampling_interval
plt.xticks(corresponding_lags, desired_time_ticks)

不过要注意，这种情况下的刻度位置可能和plt.acorr绘制的竖线位置不完全对齐，因为竖线是固定在整数采样点滞后的位置上的。

备注：内容来源于stack exchange，提问作者Philipp