如何同图绘制不同起始日期时间序列并解决x轴标签重叠问题

绘图前先做基础格式预处理，确保所有数据集的日期列被正确识别为时间类型：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
# 若使用插值平滑方案，额外导入以下依赖
from scipy.interpolate import make_interp_spline
import numpy as np

# 统一将Date列转为datetime格式
for df in [df_all, df_t, df_c]:
    df['Date'] = pd.to_datetime(df['Date'])

一、x轴日期重叠问题解决 #

通过自定义日期刻度规则、调整标签布局彻底解决重叠：

• 绘图时显式指定x、y参数，不要直接传入整个DataFrame，避免matplotlib解析列出错
• 用matplotlib.dates内置的刻度定位器设置刻度密度，针对1年2个月的时间跨度，设置每月1个主刻度即可，不会过密
• 统一日期显示格式为年-月，将标签旋转45度右对齐，同时调用自动布局方法防止标签被画布截断
• 显式指定x轴范围，起点为2020-03-01，终点为三个数据集共有的截止日期2021-05-31

二、折线平滑方案 #

两种常用方案按需选择：

• 滑动窗口平均平滑：无额外依赖，对原始数据做滚动窗口均值计算，最大程度保留真实数据趋势，不会出现偏离真实值的问题，适合业务分析场景。日度数据选择7/14天窗口即可，平衡平滑度和真实性。
• 三次样条插值平滑：曲线顺滑度更高，通过对原始离散点做多项式插值，生成更密集的采样点后连线，适合展示类场景。注意不要设置过高的采样点数，避免曲线过度扭曲偏离原始数据。

完整参考代码 #

代码中包含三种绘图模式，注释掉不需要的部分即可使用：

fig, ax = plt.subplots(figsize=(12, 6))

# --------------------------
# 模式1：原始折线（仅修复x轴问题）
# --------------------------
# ax.plot(df_all['Date'], df_all['Quantity A'], color='tab:red', label='Quantity A')
# ax.plot(df_t['Date'], df_t['Quantity B'], color='tab:blue', label='Quantity B')
# ax.plot(df_c['Date'], df_c['Quantity C'], color='tab:green', label='Quantity C')

# --------------------------
# 模式2：7天滑动窗口平滑
# --------------------------
# df_all['smooth_A'] = df_all['Quantity A'].rolling(window=7, center=True).mean()
# df_t['smooth_B'] = df_t['Quantity B'].rolling(window=7, center=True).mean()
# df_c['smooth_C'] = df_c['Quantity C'].rolling(window=7, center=True).mean()
# ax.plot(df_all['Date'], df_all['smooth_A'], color='tab:red', label='Quantity A')
# ax.plot(df_t['Date'], df_t['smooth_B'], color='tab:blue', label='Quantity B')
# ax.plot(df_c['Date'], df_c['smooth_C'], color='tab:green', label='Quantity C')

# --------------------------
# 模式3：三次样条插值平滑
# --------------------------
def calc_smooth_curve(x, y, sample_points=300):
    x_num = mdates.date2num(x)
    spline = make_interp_spline(x_num, y, k=3)
    x_smooth_num = np.linspace(x_num.min(), x_num.max(), sample_points)
    y_smooth = spline(x_smooth_num)
    x_smooth = mdates.num2date(x_smooth_num)
    return x_smooth, y_smooth

x_a, y_a = calc_smooth_curve(df_all['Date'], df_all['Quantity A'])
x_b, y_b = calc_smooth_curve(df_t['Date'], df_t['Quantity B'])
x_c, y_c = calc_smooth_curve(df_c['Date'], df_c['Quantity C'])
ax.plot(x_a, y_a, color='tab:red', label='Quantity A')
ax.plot(x_b, y_b, color='tab:blue', label='Quantity B')
ax.plot(x_c, y_c, color='tab:green', label='Quantity C')

# x轴配置
ax.xaxis.set_major_locator(mdates.MonthLocator(interval=1))
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))
ax.set_xlim(pd.to_datetime('2020-03-01'), pd.to_datetime('2021-05-31'))
plt.xticks(rotation=45, ha='right')
fig.autofmt_xdate()

# 基础图表配置
ax.set_xlabel('Date')
ax.set_ylabel('Quantity')
ax.legend()
plt.tight_layout()
plt.show()

注意事项：使用插值平滑前需要先删除对应列的空值，否则会触发计算错误；滑动窗口计算后，序列首尾会存在长度为窗口1/2的空值，属于正常现象。

内容的提问来源于stack exchange，提问作者RafaelP