绘制重采样数据柱状图（width=1）时如何规避Timestamp相关FutureWarning？

警告触发原因 #

这个FutureWarning的根源很清晰：当你设置width=1时，matplotlib在计算柱状图的位置时，会尝试把整数1和你的Timestamp类型索引做加减运算。但pandas新版本已经弃用了这种整数与Timestamp直接加减的操作——因为时间戳的运算应该基于时间频率（比如1天、1个月），而不是无意义的整数。直接加1会被误解为1纳秒？或者1天？这种模糊性正是pandas要移除这个特性的原因。

适配任意重采样频率的最优绘制方法 #

既然你的数据支持周、月、季度、年等任意频率，我们需要让柱子宽度自适应时间间隔，而不是用固定的整数。这里有两种可靠的方案：

方案1：利用索引的频率属性设置宽度（推荐）

如果你的重采样操作已经给索引设置了freq属性（比如用resample('M').sum()后，索引会带有M频率），可以直接基于频率计算柱子宽度：

import pandas as pd
import matplotlib.pyplot as plt

# 你的重采样后数据（示例）
df = pd.DataFrame(
    {'tally': [7,4,2,2]},
    index=pd.to_datetime(['2015-01-31', '2015-02-28', '2015-03-31', '2015-04-30'])
)
# 确保索引带有频率（如果之前重采样没自动设置，可手动添加）
df = df.asfreq('M')

# 获取时间频率，设置宽度为频率的80%（留间隙更美观）
freq = df.index.freq
width = 0.8 * freq.delta  # freq.delta是Timedelta类型，对应频率的时间长度

plt.bar(df.index, df.tally, width=width)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

这种方法的好处是：不管是周（W）、季度（Q）还是年（Y）频率，宽度都会自动匹配时间间隔，柱子不会太宽也不会太细，同时完全避免了警告。

方案2：手动计算时间间隔的平均值作为宽度

如果你的索引没有明确的freq属性（比如某些自定义重采样场景），可以计算相邻时间点的平均间隔来设置宽度：

# 计算相邻索引的时间差
time_diffs = df.index[1:] - df.index[:-1]
avg_interval = time_diffs.mean()
width = 0.8 * avg_interval

plt.bar(df.index, df.tally, width=width)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

这个方案更通用，即使时间间隔不完全均匀（比如闰月、不同天数的月份），也能给出合适的宽度。

额外提示 #

如果觉得柱子之间的间隙不合适，可以调整0.8这个系数——比如改成0.9会让柱子更宽，0.7则间隙更大，根据你的可视化需求调整即可。

内容的提问来源于stack exchange，提问作者Ryan