gluonts绘图时plt.axvspan与pandas PeriodIndex频率不兼容问题

问题分析 #

你遇到的错误本质是matplotlib与pandas在高频Period类型的交互上存在版本兼容性问题。尽管传入的两个Period参数都是15T频率，但matplotlib内部处理Period时可能自动转换为了不同的频率（比如报错提示的T），导致和你的时间序列索引（15T）冲突。这种问题在日度数据下不易触发，因为低频Period的转换逻辑更稳定，而高频（如15分钟）的处理在新版本库中可能出现适配断层。

可行解决方案 #

方案1：转换为Timestamp（当前验证有效的方法） #

这是最直接可靠的解决方式，matplotlib对Timestamp的支持更加完善，不会出现频率不兼容的问题：

plt.axvspan(timestamps[0].to_timestamp(), (timestamps[0] + 96).to_timestamp(), facecolor="red", alpha=0.2)

该方案简洁高效，完全适配高频时间序列场景，是优先推荐的处理方式。

方案2：使用位置索引替代时间对象 #

如果需要保留Period索引的使用，可以直接通过序列的位置索引来绘制axvspan——series.plot()会将x轴映射为0到n-1的连续位置，直接操作位置值可绕开时间类型的兼容问题：

# 获取起始与结束位置的索引值
start_pos = series.index.get_loc(timestamps[0])
end_pos = series.index.get_loc(timestamps[0] + 96)
plt.axvspan(start_pos, end_pos, facecolor="red", alpha=0.2)

方案3：调整库版本适配 #

如果确定是版本兼容性导致的问题，可以尝试：

• 升级pandas至最新稳定版（如2.x系列），新版本对Period类型的处理逻辑更严谨
• 匹配matplotlib与pandas的兼容版本（例如matplotlib 3.7+搭配pandas 2.0+）
  注意：版本调整可能影响其他代码逻辑，建议在虚拟环境中测试验证。

方案4：改用Polars原生绘图（适配你的使用习惯） #

既然你主要使用Polars，可将数据转为Polars对象后直接绘图，Polars的绘图接口（基于matplotlib或Plotly）对时间类型的处理更友好，能避免跨库的类型兼容问题：

import polars as pl
# 将pandas数据转换为Polars系列
pl_series = pl.Series(data, index=timestamps.to_timestamp())
pl_series.plot()
plt.axvspan(timestamps[0].to_timestamp(), (timestamps[0] + 96).to_timestamp(), facecolor="red", alpha=0.2)

内容的提问来源于stack exchange，提问作者David Waterworth