修改Matplotlib图形状态栏中带datetime的坐标文本格式

核心问题分析 #

• 修改mdates.DateFormatter后刻度不可读：仅设置格式化器未搭配合理的刻度定位器（Locator），导致刻度密度不当或显示冲突
• 自定义format_coord显示1970年：Matplotlib将datetime对象转换为自1970-01-01以来的天数浮点数，直接用datetime.fromtimestamp()会把天数当成秒数，引发时间偏移

分步解决方案 #

方案1：修复X轴刻度可读性 #

同时设置刻度定位器和格式化器，平衡显示密度与可读性，示例代码：

import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import pandas as pd

# 示例数据
df = pd.DataFrame({
    'datetime': pd.date_range(start='2024-01-01', periods=100, freq='6H'),
    'value': range(100)
})

fig, ax = plt.subplots()
ax.plot(df['datetime'], df['value'])

# 配置X轴刻度：按需求选择定位器和格式
ax.xaxis.set_major_locator(mdates.DayLocator(interval=5))  # 每5天显示一个主刻度
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))  # 自定义日期显示格式
plt.xticks(rotation=45)  # 旋转刻度避免重叠

plt.tight_layout()
plt.show()

方案2：修复悬停显示正确Datetime #

用Matplotlib内置的num2date函数转换内部日期数值，自定义format_coord，示例代码：

def custom_format_coord(x, y):
    # 将Matplotlib内部日期浮点数转换为datetime对象
    dt = mdates.num2date(x)
    # 返回格式化后的悬停文本
    return f'Datetime: {dt.strftime("%Y-%m-%d %H:%M:%S")}, Value: {y:.2f}'

# 绑定到目标坐标轴
ax.format_coord = custom_format_coord

多子图场景适配 #

为每个子图单独配置刻度和悬停函数即可，示例：

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(10, 8))

# 子图1配置
ax1.plot(df['datetime'], df['value'])
ax1.xaxis.set_major_locator(mdates.DayLocator(interval=5))
ax1.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))
ax1.format_coord = custom_format_coord

# 子图2配置
ax2.plot(df['datetime'], df['value']*2)
ax2.xaxis.set_major_locator(mdates.HourLocator(interval=12))
ax2.xaxis.set_major_formatter(mdates.DateFormatter('%m-%d %H:%M'))
ax2.format_coord = custom_format_coord

plt.tight_layout()
plt.show()

关键注意点 #

• 确保数据源的datetime列是datetime64（pandas）或原生datetime类型，Matplotlib才能正确识别
• 选择定位器要匹配数据时间跨度：小时级数据用HourLocator，天级用DayLocator，避免刻度过密/过疏
• 必须用mdates.num2date转换内部日期数值，不要用Python原生的fromtimestamp

内容的提问来源于stack exchange，提问作者Julien M.