基于DateTimeIndex轴，编写函数获取ax.axhline的xmin与xmax值

现有一个索引为DateTimeIndex的DataFrame，已定位到当日14:00-15:00区间内局部最大值对应的时间idx与数值max_val。当前通过硬编码xmin、xmax调用ax.axhline绘制水平线段，无法灵活适配时间间隔调整（比如从15分钟改成20分钟）或最大值位置变化的场景。

需要编写一个函数，接收参数idx（最大值对应的DateTimeIndex）和dt（时间间隔，单位为分钟），返回适配DateTimeIndex型x轴的xmin与xmax值，让水平线段以idx为中心，覆盖前后dt/2分钟的范围。

附现有代码示例：

fig, ax = plt.subplots(figsize=(20, 4))
index = pd.date_range('7-20-2022', '7-21-2022', freq='min')
np.random.seed(0)
df = pd.DataFrame(np.cumsum(np.random.randn(len(index))), index=index)
df_limited = df.loc['7-20-2022'].between_time('14:00', '15:00')
idx  = df_limited.idxmax()
max_val = df_limited.loc[idx]
df.plot(ax=ax)
ax.axhline(max_val.values, color='r', xmin=0.57, xmax=0.6)
plt.show()

当前局部最大值时间为2022-07-20 14:06:00，对应数值-46.80，期望绘制13:51-14:21的水平线段。

核心思路是将时间转换为matplotlib坐标轴的相对位置：先获取当前轴的x轴时间范围，再计算目标时间点在该范围内的占比，得到对应的xmin和xmax。

实现函数 #

import matplotlib.dates as mdates

def get_xmin_xmax(idx, dt):
    # 计算中心时间前后dt/2分钟的边界时间
    half_dt = pd.Timedelta(minutes=dt/2)
    start_time = idx - half_dt
    end_time = idx + half_dt
    
    # 获取当前绘图轴的x轴时间范围（转换为matplotlib数值格式）
    ax = plt.gca()
    xlim = ax.get_xlim()
    x_start = mdates.num2date(xlim[0])
    x_end_num = mdates.date2num(xlim[1])
    
    # 计算目标时间在x轴上的相对比例
    xmin = (mdates.date2num(start_time) - mdates.date2num(x_start)) / (x_end_num - mdates.date2num(x_start))
    xmax = (mdates.date2num(end_time) - mdates.date2num(x_start)) / (x_end_num - mdates.date2num(x_start))
    
    return xmin, xmax

完整使用示例 #

将原有代码中的硬编码xmin、xmax替换为函数返回值即可：

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

def get_xmin_xmax(idx, dt):
    half_dt = pd.Timedelta(minutes=dt/2)
    start_time = idx - half_dt
    end_time = idx + half_dt
    
    ax = plt.gca()
    xlim = ax.get_xlim()
    x_start = mdates.num2date(xlim[0])
    x_end_num = mdates.date2num(xlim[1])
    
    xmin = (mdates.date2num(start_time) - mdates.date2num(x_start)) / (x_end_num - mdates.date2num(x_start))
    xmax = (mdates.date2num(end_time) - mdates.date2num(x_start)) / (x_end_num - mdates.date2num(x_start))
    
    return xmin, xmax

# 生成示例数据
fig, ax = plt.subplots(figsize=(20, 4))
index = pd.date_range('7-20-2022', '7-21-2022', freq='min')
np.random.seed(0)
df = pd.DataFrame(np.cumsum(np.random.randn(len(index))), index=index)
df_limited = df.loc['7-20-2022'].between_time('14:00', '15:00')
idx  = df_limited.idxmax()
max_val = df_limited.loc[idx]

# 绘制曲线
df.plot(ax=ax)

# 调用函数获取xmin和xmax，绘制水平线段（dt=30对应前后15分钟，覆盖13:51-14:21）
xmin, xmax = get_xmin_xmax(idx, dt=30)
ax.axhline(max_val.values, color='r', xmin=xmin, xmax=xmax)

plt.show()

说明 #

• 用pd.Timedelta计算时间边界，支持任意分钟数的时间间隔调整
• 借助matplotlib.dates实现时间与坐标轴数值的转换，确保相对位置计算准确
• 自动获取当前轴的x范围，无需手动配置，适配不同绘图场景

内容的提问来源于stack exchange，提问作者Saeed