多日期时间序列叠加绘图时，如何解决X轴刻度重叠问题？

问题背景 #

我有一个包含DATE_TIME、DATE、TIME和VALUE1列的数据集，VALUE1记录每个时间点的测量值。同一ID每日有多次测量，且一个ID对应6次不同的24小时测量（由INSPECTION列标识）。尝试将所有测量值叠加绘图（X轴仅显示时间、不含日期，Y轴为VALUE1）时，图表混乱，X轴刻度重叠，显示效果差。曾尝试将X轴的TIME列转为分类变量编码，但未解决问题。期望清晰展示全部6次检查数据，X轴TIME无刻度重叠，Y轴显示VALUE1。

示例数据与尝试代码 #

import random
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px
import seaborn as sns
import matplotlib.ticker as ticker
from plotly.subplots import make_subplots
from dash import Dash, html, dcc, Input, Output, dash_table, no_update
import plotly.graph_objects as go
random.seed(0)

df = pd.DataFrame({'DATE_TIME': pd.date_range('2022-11-01', '2022-11-06 23:00:00', freq='20min'),
                   'ID': [random.randrange(1, 3) for n in range(430)]})
df['VALUE1'] = [random.uniform(110, 160) for n in range(430)]
df['VALUE2'] = [random.uniform(50, 80) for n in range(430)]
df['INSPECTION'] = df['DATE_TIME'].dt.day
# df['INSPECTION'] = df['INSPECTION'].replace(6, 1)
# df['INSPECTION'] = df['INSPECTION'].replace(3, 1)

df['MODE'] = np.select([df['INSPECTION'] == 1, df['INSPECTION'].isin([2, 3])], ['A', 'B'], 'C')
df['TIME'] = df['DATE_TIME'].dt.time
df['TIME'] = df['TIME'].astype('str')

df['TIMEINTERVAL'] = df.DATE_TIME.diff().astype('timedelta64[m]')
df['TIMEINTERVAL'] = df['TIMEINTERVAL'].fillna(0)


def to_day_period(s):
    bins = ['0', '06:00:00', '13:00:00', '18:00:00', '23:00:00', '24:00:00']
    labels = ['Nighttime', 'Daytime', 'Daytime', 'Nighttime', 'Nighttime']

    return pd.cut(
        pd.to_timedelta(s),
        bins=list(map(pd.Timedelta, bins)),
        labels=labels, right=False, ordered=False
    )


df['TIME_OF_DAY'] = to_day_period(df['TIME'])
df_monthly = df

# ++++++++++++++++++++++++++++++++ sns plot ++++++++++++++++++++++++++++++++++++++++++++++++++++++++
df_id = df[df.ID==1]
sns.set_style('darkgrid')
sns.set(rc={'figure.figsize':(14,8)})
#print(df_id.INSPECTION.unique())
ax = sns.lineplot(data=df_id, x ='TIME', y = 'VALUE1',
                  hue='INSPECTION', palette='viridis',
                  legend='full', lw=3)

ax.xaxis.set_major_locator(ticker.MultipleLocator(4))
plt.legend(bbox_to_anchor=(1, 1))
plt.ylabel('VALUE1')
plt.xlabel('TIME')
plt.show()

解决方案 #

问题核心是TIME列被转为字符串类型，matplotlib无法识别其时间序列特性，导致刻度排列混乱。以下是两种有效修复方式：

方式1：保留时间的timedelta类型 #

不要把TIME转为字符串，而是将其处理为timedelta类型，让matplotlib识别为连续的时间轴：

# 替换原TIME列的生成代码
df['TIME'] = df['DATE_TIME'].dt.hour * 3600 + df['DATE_TIME'].dt.minute * 60 + df['DATE_TIME'].dt.second
df['TIME'] = pd.to_timedelta(df['TIME'], unit='s')

# 绘图部分调整
df_id = df[df.ID==1]
sns.set_style('darkgrid')
sns.set(rc={'figure.figsize':(14,8)})
ax = sns.lineplot(data=df_id, x='TIME', y='VALUE1', hue='INSPECTION', palette='viridis', legend='full', lw=3)

# 设置X轴刻度为每2小时显示一次
ax.xaxis.set_major_locator(ticker.MultipleLocator(base=2*3600))
# 格式化刻度显示为HH:MM格式
ax.xaxis.set_major_formatter(ticker.FuncFormatter(lambda x, pos: str(pd.to_timedelta(x, unit='s')).split()[-1][:5]))

plt.legend(bbox_to_anchor=(1, 1))
plt.ylabel('VALUE1')
plt.xlabel('TIME')
plt.xticks(rotation=45)  # 可选：旋转刻度避免拥挤
plt.tight_layout()  # 自动调整布局
plt.show()

方式2：使用统一虚拟日期的datetime对象 #

将所有时间点映射到同一个虚拟日期，生成完整的datetime对象，让matplotlib自动处理时间轴：

# 生成虚拟日期的datetime列
df['TIME_DATETIME'] = pd.to_datetime('2020-01-01 ' + df['DATE_TIME'].dt.time.astype(str))

# 绘图部分调整
df_id = df[df.ID==1]
sns.set_style('darkgrid')
sns.set(rc={'figure.figsize':(14,8)})
ax = sns.lineplot(data=df_id, x='TIME_DATETIME', y='VALUE1', hue='INSPECTION', palette='viridis', legend='full', lw=3)

# 设置X轴刻度格式为仅显示时间
ax.xaxis.set_major_formatter(plt.matplotlib.dates.DateFormatter('%H:%M'))
# 设置刻度间隔为2小时
ax.xaxis.set_major_locator(plt.matplotlib.dates.HourLocator(interval=2))

plt.legend(bbox_to_anchor=(1, 1))
plt.ylabel('VALUE1')
plt.xlabel('TIME')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

额外优化建议 #

• 如果6次检查的数据差异较大，可使用分面绘图（sns.FacetGrid），每个检查单独一个子图，更易对比：

  g = sns.FacetGrid(df_id, col='INSPECTION', col_wrap=3, height=4, aspect=1.2)
  g.map(sns.lineplot, 'TIME_DATETIME', 'VALUE1', lw=2)
  g.set_axis_labels('TIME', 'VALUE1')
  g.set_titles('Inspection {col_name}')
  for ax in g.axes.flat:
      ax.xaxis.set_major_formatter(plt.matplotlib.dates.DateFormatter('%H:%M'))
      ax.xaxis.set_major_locator(plt.matplotlib.dates.HourLocator(interval=2))
      plt.setp(ax.get_xticklabels(), rotation=45)
  plt.tight_layout()
  plt.show()
  

• 若使用Plotly代替Seaborn，可获得交互式图表，更方便查看细节：

  fig = px.line(df_id, x='TIME_DATETIME', y='VALUE1', color='INSPECTION', 
                labels={'TIME_DATETIME':'TIME', 'VALUE1':'VALUE1'},
                title='24-hour Measurements by Inspection')
  fig.update_xaxes(tickformat='%H:%M', dtick=2*3600*1000)  # 每2小时一个刻度
  fig.show()
  

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