如何将数据集月日格式转为datetime并索引以绘制双Y轴图表

核心需求 #

• 绘制5组双Y轴图表：每组X轴为日期，Y轴分别对应Ontario和CMB的同序号列（如Ontario第2列 vs CMB第2列）
• 数据问题：两个数据集的Datestamp列为mm-dd格式的object类型，日期不完全一致；需转为datetime类型，规则为：月份是12则年份设为2022，月份是1则年份设为2023（后续可按需切换年份规则）

日期转换正确方案 #

方法1：自定义函数批量转换（易读性高） #

import pandas as pd

def fix_datestamp(date_str):
    # 先解析mm-dd为datetime（默认年份会取当前年，后续替换）
    dt_obj = pd.to_datetime(date_str, format='%m-%d')
    # 根据月份替换年份
    if dt_obj.month == 12:
        dt_obj = dt_obj.replace(year=2022)
    elif dt_obj.month == 1:
        dt_obj = dt_obj.replace(year=2023)
    # 其他月份可按需扩展规则
    return dt_obj

# 对两个数据集应用转换
dfplot_ont['Datestamp'] = dfplot_ont['Datestamp'].apply(fix_datestamp)
dfplot_cmb['Datestamp'] = dfplot_cmb['Datestamp'].apply(fix_datestamp)

方法2：矢量化操作（效率更高，适合大数据集） #

import pandas as pd

# 处理Ontario数据集
dfplot_ont['Datestamp'] = pd.to_datetime(dfplot_ont['Datestamp'], format='%m-%d')
# 替换12月的年份为2022
mask_dec = dfplot_ont['Datestamp'].dt.month == 12
dfplot_ont.loc[mask_dec, 'Datestamp'] = dfplot_ont.loc[mask_dec, 'Datestamp'].apply(lambda x: x.replace(year=2022))
# 替换1月的年份为2023
mask_jan = dfplot_ont['Datestamp'].dt.month == 1
dfplot_ont.loc[mask_jan, 'Datestamp'] = dfplot_ont.loc[mask_jan, 'Datestamp'].apply(lambda x: x.replace(year=2023))

# 对CMB数据集执行同样操作
dfplot_cmb['Datestamp'] = pd.to_datetime(dfplot_cmb['Datestamp'], format='%m-%d')
mask_dec_cmb = dfplot_cmb['Datestamp'].dt.month == 12
dfplot_cmb.loc[mask_dec_cmb, 'Datestamp'] = dfplot_cmb.loc[mask_dec_cmb, 'Datestamp'].apply(lambda x: x.replace(year=2022))
mask_jan_cmb = dfplot_cmb['Datestamp'].dt.month == 1
dfplot_cmb.loc[mask_jan_cmb, 'Datestamp'] = dfplot_cmb.loc[mask_jan_cmb, 'Datestamp'].apply(lambda x: x.replace(year=2023))

之前尝试方法的问题分析 #

1. 方法1中使用dt.strftime('%m-%d')会把转换后的datetime对象转回字符串，导致Datestamp仍为object类型，未达到转datetime的目的。
2. 方法2的格式字符串写错：%MM-%dd是错误写法，正确的月份格式为%m，应改为pd.to_datetime(dfplot_ont['Datestamp'], format='%m-%d')。
3. 方法3的格式字符串错误：%M代表分钟而非月份，正确的月份格式是%m，导致日期解析完全错误。

双Y轴图表绘制示例（Matplotlib） #

假设数据集的同序号列对应要对比的指标，示例代码如下：

import matplotlib.pyplot as plt

# 遍历5组对比列（根据实际列索引/列名调整范围）
for idx in range(1, 6):
    ont_col = dfplot_ont.columns[idx]
    cmb_col = dfplot_cmb.columns[idx]
    
    # 创建画布与左侧Y轴
    fig, ax1 = plt.subplots(figsize=(10, 6))
    
    # 绘制Ontario数据
    ax1.plot(dfplot_ont['Datestamp'], dfplot_ont[ont_col], color='tab:blue', label=f'Ontario {idx}')
    ax1.set_xlabel('日期')
    ax1.set_ylabel(f'Ontario {idx}', color='tab:blue')
    ax1.tick_params(axis='y', labelcolor='tab:blue')
    
    # 创建右侧Y轴并绘制CMB数据
    ax2 = ax1.twinx()
    ax2.plot(dfplot_cmb['Datestamp'], dfplot_cmb[cmb_col], color='tab:orange', label=f'CMB {idx}')
    ax2.set_ylabel(f'CMB {idx}', color='tab:orange')
    ax2.tick_params(axis='y', labelcolor='tab:orange')
    
    # 合并图例
    lines1, labels1 = ax1.get_legend_handles_labels()
    lines2, labels2 = ax2.get_legend_handles_labels()
    ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')
    
    # 美化图表
    plt.title(f'Ontario {idx} vs CMB {idx}')
    plt.xticks(rotation=45)
    plt.tight_layout()
    plt.show()

内容的提问来源于stack exchange，提问作者rrb