使用Pandas Grouper按多时间维度分组绘图的优化方案

可以通过以下步骤同时满足使用Grouper、柱状图正常显示、X轴标签简洁不拥挤的需求：

1. 保留Grouper分组并格式化索引 #

使用pd.Grouper分组后，将时间索引格式化为简洁的%Y-%m字符串，既保留Grouper的灵活分组能力，又能得到清晰的标签：

# 使用Grouper按月分组求和
items = df.groupby(pd.Grouper(key='record_date', freq='M'))['transaction_today_amt'].sum()
# 将时间索引格式化为YYYY-MM格式的字符串
items.index = items.index.strftime('%Y-%m')

2. 调整柱状图宽度与X轴显示 #

使用matplotlib绘图时，设置柱子宽度，并调整X轴标签的旋转角度和显示间隔，避免拥挤：

plt.figure(figsize=(12, 6))  # 调整图表大小，预留更多标签空间
plt.bar(x=items.index, height=items.values, width=0.6)  # 设置柱子宽度，解决细线问题
plt.xticks(rotation=45, ha='right')  # 旋转标签并右对齐，减少横向拥挤
plt.tight_layout()  # 自动调整布局，防止标签被截断
plt.show()

3. 进阶：自定义X轴显示间隔（适用于大数据量） #

如果数据时间跨度大，还可以设置只显示部分X轴标签，进一步优化显示效果：

import matplotlib.dates as mdates

# 保留时间索引的情况下，自定义日期显示规则
items = df.groupby(pd.Grouper(key='record_date', freq='M'))['transaction_today_amt'].sum()

plt.figure(figsize=(12, 6))
plt.bar(x=items.index, height=items.values, width=15)  # 按天数设置宽度，适配时间索引
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))  # 格式化日期为YYYY-MM
plt.gca().xaxis.set_major_locator(mdates.MonthLocator(interval=3))  # 每3个月显示一个标签
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

这样既利用了pd.Grouper灵活的时间分组能力，又解决了柱状图细线、X轴标签拥挤的问题。

内容的提问来源于stack exchange，提问作者dharmatech