Pandas绘制时序大数据集：重采样与X轴优化方案问询

核心前提：先把时间列转为datetime类型 #

不管用哪种方案，第一步必须把DateTime列转换成pandas的datetime类型并设为索引，否则时序处理和刻度优化都没法正常工作：

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

# 读取数据
df = pd.read_csv("C:/WG/Temp/TimeSeries.csv", sep=',')
# 转换时间列并设为索引
df['DateTime'] = pd.to_datetime(df['DateTime'], format='%d/%m/%Y %H:%M:%S')
df = df.set_index('DateTime').drop(columns=['Temp', 'no'])

方案一：重采样降维（解决卡顿）+ 优化X轴刻度 #

按分钟取均值把4万条数据压缩到几千条，彻底解决卡顿，同时通过matplotlib的日期定位器控制X轴刻度显示间隔：

# 按分钟重采样，取Light的均值
resampled_df = df['Light'].resample('1min').mean()

# 绘制折线图
fig, ax = plt.subplots(figsize=(12,6))
resampled_df.plot(ax=ax, kind='line', label='Light (1min avg)')

# 设置X轴刻度：每隔30分钟显示一个刻度，自定义日期格式
ax.xaxis.set_major_locator(MinuteLocator(interval=30))
ax.xaxis.set_major_formatter(DateFormatter('%H:%M %d/%m'))

# 旋转刻度标签避免重叠
plt.xticks(rotation=45)
plt.legend()
plt.tight_layout()  # 自动调整布局，防止标签被截断
plt.show()

• 可以根据需求调整resample的频率（比如'5min'按5分钟采样），以及MinuteLocator的interval参数（比如interval=60显示每小时刻度）。

方案二：保留所有数据点 + 自定义X轴刻度间隔 #

如果必须保留全部4万条数据，通过手动设置X轴显示的刻度位置和标签，只展示每隔n个点的时间：

# 绘制全数据折线图
fig, ax = plt.subplots(figsize=(12,6))
df['Light'].plot(ax=ax, kind='line', label='Light (raw data)')

# 设置每隔1000个点显示一个X轴刻度（可根据需求调整n值）
n = 1000
ticks = df.index[::n]
ax.set_xticks(ticks)
# 自定义日期显示格式
ax.set_xticklabels(ticks.strftime('%H:%M %d/%m'), rotation=45)

plt.legend()
plt.tight_layout()
plt.show()

• 注意n的取值要根据数据总量调整，比如4万条数据设n=1000会显示40个刻度，既不会太挤也能看清时间趋势。
• 如果觉得折线太密，可以把kind='line'换成kind='scatter'，但4万点的散点图还是可能卡顿，优先推荐方案一。

内容的提问来源于stack exchange，提问作者Snorlax