如何用Pandas绘制日期直方图？现有方法生成的是柱状图

嘿，这个问题我之前折腾过好几次！其实不用非得把年份转成数值数组，pandas和matplotlib本身就有处理日期直方图的简便路子，咱们来唠唠几种实用方法：

日期直方图的核心就是按时间区间统计频次，咱们可以先对日期列按想要的时间粒度（年、月、日等）重采样，统计每个区间的数量，再画柱状图——这其实就是标准的日期直方图了：

import pandas as pd
import matplotlib.pyplot as plt

# 先确保日期列是datetime类型（这步很重要！）
df['date_col'] = pd.to_datetime(df['date_col'])

# 按年重采样，统计每年的记录数
yearly_counts = df['date_col'].resample('Y').count()

# 绘制图表，这就是按年的日期直方图
yearly_counts.plot(kind='bar')
plt.xlabel('年份')
plt.ylabel('记录数量')
plt.title('日期分布直方图（按年统计）')
plt.show()

这里的'Y'可以换成其他时间频率：比如'M'是按月统计，'D'是按天，'Q'是按季度，完全根据你的需求调整就行。

matplotlib其实支持直接对datetime类型的数据绘制直方图，你只需要指定时间区间作为bins就好：

import matplotlib.pyplot as plt
import pandas as pd

df['date_col'] = pd.to_datetime(df['date_col'])

# 生成时间区间作为直方图的bins，比如按10年分一个区间
bins = pd.date_range(start=df['date_col'].min(), end=df['date_col'].max(), freq='10Y')

plt.hist(df['date_col'], bins=bins)
plt.xlabel('日期')
plt.ylabel('记录数量')
plt.title('日期分布直方图')
plt.xticks(rotation=45)  # 旋转日期标签，避免重叠
plt.show()

这样画出来的就是真正意义上的直方图，matplotlib会自动处理日期刻度的显示和区间内的频次统计。

如果上面两种方法都不符合你的预期，也可以直接提取年份（或月份、季度）转成数值，再画普通直方图：

import pandas as pd
import matplotlib.pyplot as plt

df['date_col'] = pd.to_datetime(df['date_col'])
# 提取年份列
df['year'] = df['date_col'].dt.year

# 绘制年份的直方图，bins可以指定数量或自定义区间
plt.hist(df['year'], bins=10)
plt.xlabel('年份')
plt.ylabel('记录数量')
plt.title('年份分布直方图')
plt.show()

总结一下： #

• 要是想要严格按时间区间的直方图，方法1和2都很简便，不需要手动转换数值；
• 要是只关注单一时间维度（比如年份）的分布，方法3最直接好理解。

内容的提问来源于stack exchange，提问作者Agustin