如何同图绘制不同时间戳的两个pandas DataFrame并格式化x轴刻度

两种写法的核心问题都是提前转换了x轴输入的类型，导致前后操作类型不匹配：

• 第一种写法提前将epoch时间戳转成字符串传入plt.plot()作为x值，matplotlib会将字符串识别为离散分类坐标，而后续plt.xlim()传入的是数值型的epoch范围，两类坐标体系完全不兼容，因此无法渲染数据、也无法生成正常刻度。
• 第二种写法误用了pandas内置plot的参数规则：df.plot()的第一个位置参数是指定x轴所用列的列名，要求传入字符串，你直接传入了转换后的整列时间字符串序列，pandas会把序列里的每个时间值当成要查找的列名，因此触发KeyError。

你提出的「内部数据处理全程使用epoch时间格式，仅在x轴刻度最终渲染时转换为人类可读格式」是最适配异步时序数据场景的思路，完全不需要提前修改原始时间列，只需要通过matplotlib的自定义刻度格式化器，在渲染阶段完成格式转换即可。
可直接运行的参考代码：

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter

# 加载两组时序数据
mydict = [{'time': 1651816500, 'b': 2},
          {'time': 1651816800, 'b': 200},
          {'time': 1651817100, 'b': 2000}]
mydf = pd.DataFrame(mydict)

yourdict = [{'time': 1651816490, 'b': 20},
          {'time': 1651816805, 'b': 170},
          {'time': 1651817105, 'b': 1000}]
yourdf = pd.DataFrame(yourdict)

# 绘图全程使用原始epoch数值作为x轴输入，不做任何提前格式转换
plt.plot(mydf['time'], mydf['b'], label='dataset1')
plt.plot(yourdf['time'], yourdf['b'], label='dataset2')

# 设置x轴显示范围，直接传入epoch数值即可
start = mydf.iloc[0, 0]
end = mydf.iloc[-1, 0]
plt.xlim(start, end)

# 定义刻度格式化函数：仅在渲染刻度时，将数值型epoch转为可读时间字符串
def format_epoch_tick(tick_val, tick_pos):
    return pd.to_datetime(tick_val, unit='s').strftime('%Y-%m-%d %H:%M')

# 为x轴绑定自定义格式化器
plt.gca().xaxis.set_major_formatter(FuncFormatter(format_epoch_tick))

# 可选：旋转x轴标签避免文字重叠，添加图例
plt.xticks(rotation=30)
plt.legend()
plt.tight_layout()

plt.show()

• 所有坐标计算、范围设置、数据对齐逻辑全程基于数值型epoch时间完成，两组异步采集、时间戳不重合的数据可以正常在同一坐标系下展示，不会出现类型不匹配问题。
• 不需要修改原始DataFrame的存储格式，完全符合内部数据保持epoch格式的要求。
• 时间展示格式调整非常灵活，只需要修改strftime()内的格式串，就可以按需切换展示精度（比如精确到秒、只显示日期等）。
• 如果需要调整x轴刻度密度，可以搭配matplotlib.ticker下的MultipleLocator等工具设置刻度间隔，所有计算依然基于原始epoch数值，不会引入对齐误差。

内容的提问来源于stack exchange，提问作者Andreas Schuldei