如何在Python的Matplotlib中自定义日期并按顺序绘制图表？

别慌，这个问题其实很典型——你之前的尝试都没触及核心：只有把这些「看起来像日期的字符串/浮点数」转换成真正的datetime对象，程序才能理解它们的时间先后关系，绘图时自然就能正确排序X轴了。

为什么之前的方法没用？ #

不管你是保留浮点数、转成普通字符串，还是映射成jan-2019这种格式，这些数据本质上还是数值或字符串类型：

• 浮点数排序会按数值大小，比如11.2018（数值11.2018）会比1.2019（1.2019）大，但实际时间上2018年11月早于2019年1月，完全反了；
• 字符串排序是按字典序，比如1.2019会排在11.2018前面（因为第二个字符.的ASCII码比1小），同样不符合时间逻辑。

只有datetime类型是专门为时间设计的，它自带时间顺序属性，绘图工具（matplotlib、seaborn等）会自动识别并按时间排序。

具体解决步骤（用Pandas为例） #

假设你的数据集存在DataFramedf中，我们一步步来处理：

1. 将浮点数日期转换为字符串，拆分月份和年份
   先把float类型的Date列转成字符串，然后按.分割出月份和年份：

   import pandas as pd
   
   # 把float转成字符串
   df['Date_str'] = df['Date'].astype(str)
   # 拆分月份和年份到新列
   df[['month', 'year']] = df['Date_str'].str.split('.', expand=True)
   

2. 组合月份和年份，转换为datetime类型
   用pd.to_datetime把年份和月份组合成标准的datetime对象（默认会把日期设为当月1号，不影响排序）：

   df['datetime'] = pd.to_datetime(df['year'] + '-' + df['month'], format='%Y-%m')
   

   如果你想更简洁，也可以用正则表达式直接替换格式，省去拆分步骤：

   # 把"1.2019"替换成"2019-1"，再转datetime
   df['datetime'] = pd.to_datetime(
       df['Date'].astype(str).str.replace(r'(\d+)\.(\d+)', r'\2-\1', regex=True),
       format='%Y-%m'
   )
   

3. 按时间排序（可选但推荐）
   提前对DataFrame按datetime列排序，确保绘图时数据是按时间顺序排列的：

   df = df.sort_values('datetime')
   

4. 用datetime列绘图
   绘图时直接使用新的datetime列作为X轴，工具会自动按时间顺序排列：

   import matplotlib.pyplot as plt
   
   plt.figure(figsize=(10, 6))
   plt.plot(df['datetime'], df['Another column'])  # 替换成你的数值列
   plt.xlabel('Date')
   plt.ylabel('Value')
   plt.title('Time Series Plot')
   plt.xticks(rotation=45)  # 旋转X轴标签，避免重叠
   plt.show()
   

效果验证 #

完成转换后，你可以查看df['datetime'].dtype，会显示datetime64[ns]——这就是我们要的类型。此时绘图的X轴会严格按照2018年11月 → 2019年1月 → 2019年2月 → 2021年6月 → 2021年8月的顺序排列，完全符合时间逻辑。

内容的提问来源于stack exchange，提问作者Silvio sjsj