matplotlib+pandas绘图时如何让x轴显示分组后的年月信息

绘图仅显示年份的核心原因是：用pd.PeriodIndex(freq="M")生成的日期列是Pandas的月周期（Period）类型，Pandas调用Matplotlib绘图时对这类周期数据的默认刻度规则，会在时间跨度超过1年时自动折叠仅显示年份标签，不会细化到月维度。另外你的代码里存在2处会触发运行报错的笔误：

• 第一行统计结果赋值给了avg1，第二行重命名时调用的是未定义的avg变量
• 重命名后的列名是Avg # of Task（Task为单数），绘图时传入的列名是Avg # of Tasks（多了末尾的s）

方案1：标准时间轴实现（推荐） #

把周期类型转为Matplotlib可识别的datetime类型，手动指定x轴刻度格式为年-月，这种方式生成的是连续标准时间轴，后续缩放、调整刻度间隔都很方便，不会出现标签错位问题。
完整实现代码：

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

# 修正笔误后的月均统计代码
avg = df.groupby(pd.PeriodIndex(df['Date'], freq="M"))['Task Count'].mean().to_frame().reset_index()
avg = avg.rename(columns={"Task Count": "Avg # of Task"})
# 将月周期类型转为datetime时间类型
avg['Date'] = avg['Date'].dt.to_timestamp()

# 创建画布绘图
fig, ax = plt.subplots(figsize=(15, 8))
avg.plot(x="Date", y="Avg # of Task", ax=ax)

# 配置x轴：按月份显示刻度，格式为「年-月」
ax.xaxis.set_major_locator(mdates.MonthLocator(interval=1)) # 每1个月显示一个刻度
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m')) # 刻度文本格式
plt.xticks(rotation=45) # 旋转标签避免文字重叠
plt.tight_layout() # 自动调整布局防止标签被截断
plt.show()

方案2：快速字符串转换实现 #

如果你的数据时间跨度不大（不超过2年），可以直接把周期列转为年-月格式的字符串，不需要额外导入Matplotlib的日期模块，直接绘图即可。缺点是x轴为分类轴，不是连续时间轴，数据量大时标签容易拥挤。
代码示例：

# 月均统计代码同方案1
avg = df.groupby(pd.PeriodIndex(df['Date'], freq="M"))['Task Count'].mean().to_frame().reset_index()
avg = avg.rename(columns={"Task Count": "Avg # of Task"})
# 直接将月周期转为字符串格式
avg['Date'] = avg['Date'].astype(str)

# 绘图，rot参数设置标签旋转角度
avg.plot(x="Date", y="Avg # of Task", figsize=(15, 8), rot=45)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Emily A