Pyplot绘制带时间间隔的测量数据时如何消除时间间隙？

方法1：用连续整数索引替代时间轴，自定义日期标签 #

如果不需要严格保持时间间隔的比例，仅需消除空白并展示数据趋势，可以将时间列替换为连续整数索引，再手动设置x轴标签为对应日期：

import pandas as pd
import matplotlib.pyplot as plt

# 假设数据已加载，datetime列已转为datetime类型
df = pd.read_csv('your_data.csv', parse_dates=['datetime'])

# 添加连续整数索引列
df['continuous_idx'] = range(len(df))

# 绘图
plt.figure(figsize=(12, 6))
plt.plot(df['continuous_idx'], df['measurement_value'])

# 自定义x轴刻度：根据数据量调整间隔，最多显示10个日期标签
step = max(1, len(df) // 10)
plt.xticks(df['continuous_idx'][::step], df['datetime'].dt.strftime('%Y-%m-%d')[::step], rotation=45)

plt.xlabel('日期')
plt.ylabel('测量值')
plt.title('测量数据趋势（消除时间间隙）')
plt.tight_layout()
plt.show()

这种方式下x轴为连续整数，不会出现空白，同时标签仍显示对应日期，适合快速查看数据变化趋势。

方法2：拆分连续数据段，分段绘制并优化坐标轴 #

如果需要保留实际时间间隔比例，同时消除空白，可以先检测时间间隙，拆分数据为连续段后分段绘制，再调整坐标轴隐藏间隙区域：

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('your_data.csv', parse_dates=['datetime'])
# 计算相邻时间的差值
df['time_diff'] = df['datetime'].diff()
# 定义间隙阈值（例如超过1天视为测量中断）
gap_threshold = pd.Timedelta(days=1)
# 找出所有间隙的起始位置
gap_positions = df[df['time_diff'] > gap_threshold].index.tolist()
# 拆分数据为连续段
segments = []
start_idx = 0
for pos in gap_positions:
    segments.append(df.iloc[start_idx:pos])
    start_idx = pos
segments.append(df.iloc[start_idx:])

# 创建绘图对象
fig, ax = plt.subplots(figsize=(12, 6))
# 绘制每个连续数据段
for seg in segments:
    ax.plot(seg['datetime'], seg['measurement_value'])

# 优化x轴刻度，仅显示各段的首尾日期
ax.set_xticks([seg['datetime'].iloc[0] for seg in segments] + [seg['datetime'].iloc[-1] for seg in segments])
ax.set_xticklabels([dt.strftime('%Y-%m-%d') for dt in ax.get_xticks()], rotation=45)

plt.xlabel('日期')
plt.ylabel('测量值')
plt.title('分段测量数据（保留时间比例）')
plt.tight_layout()
plt.show()

若需要更彻底的视觉断开效果，可使用matplotlib.patches.Rectangle在间隙区域绘制白色矩形遮挡。

方法3：使用brokenaxes库绘制断开坐标轴（需额外安装） #

若允许安装第三方库，brokenaxes可轻松实现保留时间比例的断开坐标轴：

from brokenaxes import brokenaxes
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('your_data.csv', parse_dates=['datetime'])
# 计算间隙位置，生成断开的x轴范围
gap_threshold = pd.Timedelta(days=1)
df['time_diff'] = df['datetime'].diff()
gap_positions = df[df['time_diff'] > gap_threshold].index.tolist()

# 构建x轴的分段范围
x_ranges = []
start = df['datetime'].iloc[0]
for pos in gap_positions:
    end = df['datetime'].iloc[pos-1]
    x_ranges.append((start, end))
    start = df['datetime'].iloc[pos]
x_ranges.append((start, df['datetime'].iloc[-1]))

# 绘制断开的坐标轴
bax = brokenaxes(xlims=x_ranges, figsize=(12,6))
bax.plot(df['datetime'], df['measurement_value'])
bax.set_xlabel('日期')
bax.set_ylabel('测量值')
plt.title('断开轴展示测量数据')
plt.tight_layout()
plt.show()

这种方式既保留了各段时间的真实比例，又视觉上消除了空白间隙。

内容的提问来源于stack exchange，提问作者VicTic