Python绘图：将时序图X轴时间戳替换为自定义名称及报错解决

你遇到的ConversionError是因为plt.xticks的第一个参数传错了类型——示例代码里用的是数值型的X轴坐标（比如0、1、2），但你直接传入了原始的时间戳数据（字符串或未解析的datetime），Matplotlib无法将其转换为轴的单位。

修正后的代码 #

import matplotlib.pyplot as plt
import pandas as pd

# 读取数据时解析时间列，方便后续处理
df = pd.read_csv("measurements.csv", sep=",", parse_dates=["Date"])

# 要显示的目标天数（对应数据中的第1到第7行）
use_days = [1, 2, 3, 4, 5, 6, 7]
# 转换为0起始的索引位置
tick_positions = [day - 1 for day in use_days]
# 生成自定义标签
tick_labels = [f"day{day}" for day in use_days]

# 绘图：用行索引作为X轴坐标（避免时间类型转换问题）
plt.plot(df.index, df["Temperature"])  # 替换为你的温度列名称

# 设置X轴刻度：位置用索引值，标签用自定义名称
plt.xticks(tick_positions, tick_labels, rotation=45, fontsize=12)

# 可选：添加图表标签和标题
plt.xlabel("Day")
plt.ylabel("Temperature")
plt.title("Daily Temperature Trend")

plt.tight_layout()  # 防止标签被截断
plt.show()

关键修改说明 #

1. 刻度位置用索引而非原始时间：
   绘图时用df.index（数值型的行索引）作为X轴坐标，plt.xticks的第一个参数传入对应行的索引值，和示例代码的逻辑保持一致，彻底避免时间类型转换错误。
2. 简化标签生成逻辑：
   直接根据use_days生成对应的dayN标签，不需要遍历整个Date列，代码更简洁高效。
3. 解析时间列（可选但推荐）：
   用parse_dates=["Date"]读取数据时自动解析时间列，后续如果需要基于时间做其他处理会更方便。

备选方案（如果坚持用时间作为X轴） #

如果你的绘图代码是基于时间列的（plt.plot(df["Date"], df["Temperature"])），可以把刻度位置换成解析后的时间值，但必须确保时间列是datetime类型：

import matplotlib.pyplot as plt
import pandas as pd

df = pd.read_csv("measurements.csv", sep=",", parse_dates=["Date"])
use_days = [1, 2, 3, 4, 5, 6, 7]

# 获取对应行的时间值作为刻度位置
tick_positions = df["Date"].iloc[[day-1 for day in use_days]]
tick_labels = [f"day{day}" for day in use_days]

plt.plot(df["Date"], df["Temperature"])
plt.xticks(tick_positions, tick_labels, rotation=45, fontsize=12)

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者nobody