如何在Pandas中把不同日期的时间序列绘制在同一图表并共用坐标轴？

核心思路是剥离日期信息，只保留一天内的时间维度，让两个数据集共享同一个24小时的X轴，具体步骤如下：

1. 数据预处理：提取一天内的时间 #

首先将两个数据集的时间列转换为datetime类型，然后提取时分秒（或转换为一天内的总秒数）作为统一的X轴依据。

假设你的数据是Pandas DataFrame格式，示例代码：

import pandas as pd

# 读取数据（示例）
df_may = pd.read_csv('may2_data.csv')
df_jun = pd.read_csv('jun3_data.csv')

# 转换为datetime类型
df_may['timestamp'] = pd.to_datetime(df_may['timestamp'])
df_jun['timestamp'] = pd.to_datetime(df_jun['timestamp'])

# 方式1：提取时分秒（离散时间点）
df_may['time_of_day'] = df_may['timestamp'].dt.time
df_jun['time_of_day'] = df_jun['timestamp'].dt.time

# 方式2：转换为一天内的总秒数（连续数值轴，更适合绘图）
df_may['total_seconds'] = df_may['timestamp'].dt.hour * 3600 + df_may['timestamp'].dt.minute * 60 + df_may['timestamp'].dt.second
df_jun['total_seconds'] = df_jun['timestamp'].dt.hour * 3600 + df_jun['timestamp'].dt.minute * 60 + df_jun['timestamp'].dt.second

2. （可选）对齐时间点（解决时间点差异问题） #

如果两个数据集的时间点差异较大，直接绘图会出现曲线断点或错位，可通过重采样或插值对齐时间粒度：

# 重采样到1分钟粒度（用均值填充缺失值，可根据需求替换为sum/median等）
df_may_resampled = df_may.set_index('timestamp').resample('1min').mean().reset_index()
df_jun_resampled = df_jun.set_index('timestamp').resample('1min').mean().reset_index()

# 重新提取连续秒数作为X轴
df_may_resampled['total_seconds'] = df_may_resampled['timestamp'].dt.hour * 3600 + df_may_resampled['timestamp'].dt.minute * 60 + df_may_resampled['timestamp'].dt.second
df_jun_resampled['total_seconds'] = df_jun_resampled['timestamp'].dt.hour * 3600 + df_jun_resampled['timestamp'].dt.minute * 60 + df_jun_resampled['timestamp'].dt.second

3. 绘制共享XY轴的对比图 #

使用Matplotlib绘制两条曲线，共享同一组X/Y轴：

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))

# 用连续秒数作为X轴（推荐，曲线更平滑）
plt.plot(df_may['total_seconds'], df_may['value'], label='5月2日', alpha=0.7)
plt.plot(df_jun['total_seconds'], df_jun['value'], label='6月3日', alpha=0.7)

# 设置X轴刻度为小时，提升可读性
plt.xticks(ticks=[i*3600 for i in range(0, 25)], labels=[f'{i}:00' for i in range(0, 25)])
plt.xlabel('一天中的时间')
plt.ylabel('数值')
plt.title('两天24小时时间序列对比')
plt.legend()

# 调整布局避免标签被截断
plt.tight_layout()
plt.show()

注意事项 #

• 如果使用时分秒作为X轴，由于是离散的时间对象，绘图时可能出现刻度密集的情况，可通过plt.xticks(rotation=45)旋转标签解决。
• 若数据存在缺失值，可在重采样后用interpolate()方法进行线性插值，让曲线更连贯：df_may_resampled['value'] = df_may_resampled['value'].interpolate()

内容的提问来源于stack exchange，提问作者redcode