如何将Matplotlib图表Y轴格式化为万亿美元单位？

以下Python程序实现了以下功能：

• 调用treasury.gov的API获取数据
• 将数据存储到Pandas DataFrame中
• 绘制数据图表

import requests
import pandas as pd
import matplotlib.pyplot as plt

page_size = 10000

url = 'https://api.fiscaldata.treasury.gov/services/api/fiscal_service/v2/accounting/od/debt_to_penny'

url_params = f'?page[size]={page_size}'

response = requests.get(url + url_params)

result_json = response.json()

df = pd.DataFrame(result_json['data'])

df['record_date'] = pd.to_datetime(df['record_date'])

rows = df[df['debt_held_public_amt'] != 'null']

rows['debt_held_public_amt'] = pd.to_numeric(rows['debt_held_public_amt'])

plt.ion()

rows.plot(x='record_date', y='debt_held_public_amt', kind='line', rot=90)

运行该程序得到对应图表，其中debt_held_public_amt字段单位为美元。

请问如何将该图表的Y轴格式化为万亿美元单位？

有两种实用方法可以实现Y轴的万亿美元单位格式化：

方法1：转换数据单位后绘图 #

直接将debt_held_public_amt的数值除以1万亿（1e12）生成新字段，再绘图并指定Y轴标签：

# 转换单位为万亿美元
rows['debt_held_public_trillion'] = rows['debt_held_public_amt'] / 1e12

# 绘制图表并设置标签
plt.ion()
ax = rows.plot(x='record_date', y='debt_held_public_trillion', kind='line', rot=90)
ax.set_ylabel('万亿美元')

方法2：用Matplotlib格式化器修改刻度（保留原始数据） #

借助FuncFormatter自定义Y轴刻度显示逻辑，无需修改原始数据：

import requests
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

page_size = 10000

url = 'https://api.fiscaldata.treasury.gov/services/api/fiscal_service/v2/accounting/od/debt_to_penny'

url_params = f'?page[size]={page_size}'

response = requests.get(url + url_params)

result_json = response.json()

df = pd.DataFrame(result_json['data'])

df['record_date'] = pd.to_datetime(df['record_date'])

rows = df[df['debt_held_public_amt'] != 'null']

rows['debt_held_public_amt'] = pd.to_numeric(rows['debt_held_public_amt'])

plt.ion()

# 绘图并获取轴对象
ax = rows.plot(x='record_date', y='debt_held_public_amt', kind='line', rot=90)

# 定义格式化函数：将美元转为万亿美元格式
def trillion_formatter(x, pos):
    return f'{x / 1e12:.2f}'

# 应用格式化器到Y轴
ax.yaxis.set_major_formatter(FuncFormatter(trillion_formatter))
# 设置Y轴标签
ax.set_ylabel('万亿美元')

方法1直观易懂，适合仅需绘图展示的场景；方法2保留原始数据完整性，方便后续基于原始数值做其他分析。

内容的提问来源于stack exchange，提问作者dharmatech