如何避免Pandas绘图时将索引转为Period类型？

我需要绘制时间序列数据并添加NBER衰退期的灰色阴影（类似Matlab的recessionplot()），为此编写了add_nber_shade函数，但使用Pandas的df.plot()绘图时出现TypeError: <class 'pandas._libs.tslibs.period.Period'> is not convertible to datetime错误，原因是Pandas自动将索引转为了Period类型，导致原函数无法处理。以下是两种解决方案：

方案1：修复add_nber_shade函数，兼容Period类型 #

修改函数中提取最小年份的逻辑，统一处理datetime和Period类型的x轴数据：

def add_nber_shade(ax: plt.Axes, nber_df: pd.DataFrame, alpha: float=0.2):
    """
    Adds NBER recession shades to a single plt.axes (typically an "ax").

    Args:
        ax (plt.Axes): The ax you want to change with data already plotted
        nber_df (pd.DataFrame): the Pandas dataframe with a "start" and an "end" column
        alpha (float): transparency

    Returns:
        plt.Axes: returns the same axes but with shades
    """
    # 统一转换x轴最小数据为Timestamp，兼容datetime和Period类型
    x_min = min(ax.lines[0].get_xdata())
    min_year = pd.Timestamp(x_min).year
    
    nber_to_keep = nber_df[pd.to_datetime(nber_df["start"]).dt.year >= min_year]
    
    for start, end in zip(nber_to_keep["start"], nber_to_keep["end"]):
       ax.axvspan(start, end, color = "gray", alpha = alpha)
    
    return ax

关键修改说明 #

使用pd.Timestamp()可以直接将datetime或Period类型的对象转换为时间戳，无需额外判断类型，避免了原代码中pd.to_datetime()无法处理Period的问题。

方案2：阻止Pandas自动转换索引为Period类型 #

在调用df.plot()时添加x_compat=True参数，强制Pandas保留原始的datetime索引类型：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.randn(3000, 2), columns=list('AB'), index=pd.date_range(start='1970-01-01', periods=3000, freq='W'))

# 使用x_compat=True阻止索引转为Period
ax = df.plot(y='A', lw=0.2, x_compat=True)
add_nber_shade(ax, nber)
plt.show()

原理说明 #

x_compat=True会让Pandas采用与matplotlib原生绘图一致的时间轴处理方式，不自动将datetime索引转换为Period类型，原函数即可正常运行。

内容的提问来源于stack exchange，提问作者Raul Guarini Riva