Matplotlib绘制跨年度数据时2023年数据被压缩的问题排查

我有一个用于绘制6个月时间序列图表的Python函数，代码如下：

def result(data):
    fig = plt.figure(figsize=(12, 8), dpi=150)
    ax = plt.subplot(111)

    data = data.sort_values(by='period', ascending=1)
    box = ax.get_position()
    ax.spines['top'].set_visible(True)
    ax.spines['right'].set_visible(True)

    plt.plot(data['period'], data['result'], label='Result', solid_capstyle='round', marker='o', color='#92c6ff')
    plt.plot(data['period'], data['peer_result'], label='Peer Result', color='#5990C6', linestyle='--')
    annotate_chart(data['period'], data['result'].round(1))
    plt.legend(loc='upper center', fontsize=20, bbox_to_anchor=(0.5, -0.15), frameon=False, ncol=4)
    plt.ylabel('(%)', fontsize=28, weight='bold')
    plt.xticks(data['period'], data['month'], rotation=45, fontsize=28)
    plt.yticks(fontsize=28)
    plt.title('Results', fontsize=28)
    plt.tight_layout()
    img = files_loc + '/result.png'
    plt.savefig(img)
    plt.close(fig)
    # Line fill graph placement
    pdf.set_xy(4, 30)
    pdf.image(img, w=105, h=75)

对应的数据集格式：

遇到的问题：

• 传入完整数据集（含2024年1月）时，图表中2023年的数据被压缩，x轴间距异常
• 仅传入2023年5条数据时，图表显示正常
• 传入data.tail(5)（含202310到202401）时问题再次出现，说明和数据集大小无关
• 尝试将period转为数值型或分类型均无效

核心问题是x轴用了period的数值/字符串值作为坐标，但跨年后的数值间距和同年内完全不一致：

• 同年内月份的period数值差是1（比如202308到202309差1）
• 202312到202401的数值差是89（202401-202312=89）
  Matplotlib会严格按照数值间距分配x轴空间，导致前面的月份挤成一团，最后一个月份占了大量空间。就算转成分类类型，只要没把它当成等间隔的时间序列处理，问题依然存在。

把period转换成真正的datetime类型，让Matplotlib识别这是等间隔的时间轴：

1. 转换period为datetime类型 #

在函数开头或数据预处理阶段添加转换代码：

data['period'] = pd.to_datetime(data['period'], format='%Y%m')

2. 调整标注函数（如果需要） #

如果annotate_chart函数依赖period的数值定位标注，得改成用数据的位置索引（比如range(len(data))），因为datetime类型的x轴坐标是时间戳，直接用会导致标注位置偏移。

修改后的完整函数 #

def result(data):
    fig = plt.figure(figsize=(12, 8), dpi=150)
    ax = plt.subplot(111)

    # 转换为datetime类型，让Matplotlib识别时间序列
    data['period'] = pd.to_datetime(data['period'], format='%Y%m')
    data = data.sort_values(by='period', ascending=1)
    box = ax.get_position()
    ax.spines['top'].set_visible(True)
    ax.spines['right'].set_visible(True)

    plt.plot(data['period'], data['result'], label='Result', solid_capstyle='round', marker='o', color='#92c6ff')
    plt.plot(data['period'], data['peer_result'], label='Peer Result', color='#5990C6', linestyle='--')
    # 用位置索引替代原period数值，适配datetime轴的标注
    annotate_chart(range(len(data)), data['result'].round(1))
    plt.legend(loc='upper center', fontsize=20, bbox_to_anchor=(0.5, -0.15), frameon=False, ncol=4)
    plt.ylabel('(%)', fontsize=28, weight='bold')
    plt.xticks(data['period'], data['month'], rotation=45, fontsize=28)
    plt.yticks(fontsize=28)
    plt.title('Results', fontsize=28)
    plt.tight_layout()
    img = files_loc + '/result.png'
    plt.savefig(img)
    plt.close(fig)
    # Line fill graph placement
    pdf.set_xy(4, 30)
    pdf.image(img, w=105, h=75)

这样处理后，所有月份的x轴间距会被自动设置为等间隔，彻底解决数据压缩问题。

内容的提问来源于stack exchange，提问作者Agata