如何为Seaborn heatmap日期索引y轴设置每6个月间隔的yticks刻度

问题原因 #

你原有代码的两个核心问题：

1. 生成ytickvalues的逻辑错误，仅索引为2、7、12的3个位置有标签，其余均为空值，完全不符合每6个月显示一次的需求
2. 向sns.heatmap传入长度为13500的全量标签列表，会强制渲染所有刻度位置，哪怕标签为空也会占用布局空间，既导致运行耗时久，也会出现标签堆叠的异常

解决方案 #

不要在热力图初始化时设置yticklabels参数，先完成热力图绘制后，手动指定需要显示的刻度位置和对应标签，仅处理少量目标刻度即可，运行效率和显示效果都符合要求。

可直接运行的修正代码 #

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from datetime import datetime

# 生成测试数据
df = pd.DataFrame(index = pd.date_range(datetime(1984, 6, 10), datetime(2021, 1, 14), freq='1D') )
for i in range(0,290):
    df[f'Pt{i}'] = np.random.random(size=len(df))

f, ax = plt.subplots(figsize=(20,20))
# 初始化热力图时先关闭默认y轴刻度，避免冗余渲染
sns.heatmap(df, cmap='PuOr', vmin=df.min().min(), vmax=df.max().max(), 
            cbar_kws={"label": "Ice Velocity (m/yr)"}, 
            yticklabels=False)

# 生成每6个月的目标日期，freq可选'6M'(月末)或'6MS'(月初)，按需调整
target_dates = pd.date_range(start=df.index.min(), end=df.index.max(), freq='6M')
# 计算目标日期在df索引中的对应位置，用nearest兼容索引存在缺失的场景
tick_positions = df.index.get_indexer(target_dates, method='nearest')
# 生成格式化的刻度标签
tick_labels = [dt.strftime('%Y-%m') for dt in df.index[tick_positions]]

# 手动设置y轴刻度
ax.set_yticks(tick_positions)
ax.set_yticklabels(tick_labels, rotation=0) # rotation调整标签旋转角度，0为水平显示

plt.show()

方案优势 #

• 仅需要处理70余个刻度（1984到2021年共37年，每6个月一个刻度），相比遍历13500行数据的方案，渲染效率提升百倍
• 刻度位置精准对应6个月间隔，标签布局可控，不会出现堆叠问题
• 可灵活调整日期显示格式、旋转角度，适配不同图表尺寸需求

内容的提问来源于stack exchange，提问作者Nihilum