如何在Python plot()中减少X轴索引标签数量，避免过于拥挤？

针对你用pandas pivot_table生成数据后绘制温度时序图时X轴日期标签过于密集的问题，这里提供几种实用的调整方法：

方法1：控制X轴刻度最大数量 #

利用matplotlib的MaxNLocator指定X轴最多显示的标签数量，让自动调整更合理：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import MaxNLocator

All_sensor_data = pd.read_csv("C:/Users/USER1/Desktop/Lab/TMP sensor/tot_data_TMP/All_sensor_data.csv")
All_sensor_data = All_sensor_data.rename(columns={"Date_n_Time": "datetime"})
# 必须将datetime列转为datetime类型，否则无法识别为日期格式
All_sensor_data['datetime'] = pd.to_datetime(All_sensor_data['datetime'])

TMP = All_sensor_data.pivot_table(index="datetime", columns="treatment", values="Temperature (*C)", aggfunc='mean', fill_value=0)

# 绘制图表并获取坐标轴对象
ax = TMP["2022-08-07":"2023-01-10"].plot(xlabel="Date", ylabel="Temperature (°C)", title="Temperature vs Date")
# 设置X轴最多显示8个标签
ax.xaxis.set_major_locator(MaxNLocator(8))
# 旋转标签避免重叠
plt.xticks(rotation=45)
# 自动调整布局防止标签被截断
plt.tight_layout() 
plt.show()

方法2：按日期间隔设置刻度（适配时序数据） #

直接指定按月份/周等固定间隔显示日期标签，比如每月显示一个：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.dates import MonthLocator, DateFormatter

All_sensor_data = pd.read_csv("C:/Users/USER1/Desktop/Lab/TMP sensor/tot_data_TMP/All_sensor_data.csv")
All_sensor_data['datetime'] = pd.to_datetime(All_sensor_data.rename(columns={"Date_n_Time": "datetime"})['datetime'])

TMP = All_sensor_data.pivot_table(index="datetime", columns="treatment", values="Temperature (*C)", aggfunc='mean', fill_value=0)

ax = TMP["2022-08-07":"2023-01-10"].plot(xlabel="Date", ylabel="Temperature (°C)", title="Temperature vs Date")
# 设置每月显示一个主刻度
ax.xaxis.set_major_locator(MonthLocator())
# 自定义日期显示格式
ax.xaxis.set_major_formatter(DateFormatter('%Y-%m'))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

如果需要按周显示，可导入MO（周一）并替换定位器：

from matplotlib.dates import MO, WeekdayLocator
ax.xaxis.set_major_locator(WeekdayLocator(byweekday=MO))

方法3：手动指定要显示的日期标签 #

直接生成固定间隔的日期列表作为X轴刻度：

import pandas as pd
import matplotlib.pyplot as plt

All_sensor_data = pd.read_csv("C:/Users/USER1/Desktop/Lab/TMP sensor/tot_data_TMP/All_sensor_data.csv")
All_sensor_data['datetime'] = pd.to_datetime(All_sensor_data.rename(columns={"Date_n_Time": "datetime"})['datetime'])

TMP = All_sensor_data.pivot_table(index="datetime", columns="treatment", values="Temperature (*C)", aggfunc='mean', fill_value=0)
subset = TMP["2022-08-07":"2023-01-10"]

# 生成间隔为10天的日期标签
xticks = pd.date_range(start=subset.index.min(), end=subset.index.max(), freq='10D')
ax = subset.plot(xlabel="Date", ylabel="Temperature (°C)", title="Temperature vs Date", xticks=xticks)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

关键注意点 #

• 必须将datetime列转为datetime类型，否则pandas和matplotlib无法识别日期格式，刻度调整会失效。
• tight_layout()可自动调整图表布局，避免标签被边缘截断。
• 旋转标签（如rotation=45）配合刻度数量调整，能进一步提升可读性。

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