使用pyspark绘制散点图时如何将x轴数值型日期转为标准日期格式

你遇到的问题是数值型date列为纳秒级Unix时间戳，matplotlib默认按数值渲染就会出现科学计数法显示，可通过以下两种方案实现标准日期格式展示：

方案1：提前转换date列类型（推荐，适配性最好） #

先将date列转换为pandas标准datetime格式，后续绘图会自动适配日期显示：

import pandas as pd
import matplotlib.pyplot as plt

# 转换数值型date列为datetime格式，默认自动识别纳秒时间戳
data_pd['date'] = pd.to_datetime(data_pd['date'])

# 原有绘图逻辑保持不变
c1 = data_pd[data_pd.cluster == 0]
c2 = data_pd[data_pd.cluster == 1]
c3 = data_pd[data_pd.cluster == 2]
c4 = data_pd[data_pd.cluster == 3]
c5 = data_pd[data_pd.cluster == 4]
plt.scatter(c1.date, c1['totValue'],color='green')
plt.scatter(c2.date, c2['totValue'],color='blue')
plt.scatter(c3.date, c3['totValue'],color='red')
plt.scatter(c4.date, c4['totValue'],color='pink')
plt.scatter(c5.date, c5['totValue'],color='yellow')
plt.xlabel('date')
plt.ylabel('totValue')

# 可选配置：旋转x轴标签避免重叠，调整布局防止标签被截断
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()

方案2：不修改原数据，直接配置x轴格式化器 #

如果不想改动原始数据集，可通过matplotlib的轴格式化器直接转换显示格式：

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

# 原有绘图逻辑保持不变
c1 = data_pd[data_pd.cluster == 0]
c2 = data_pd[data_pd.cluster == 1]
c3 = data_pd[data_pd.cluster == 2]
c4 = data_pd[data_pd.cluster == 3]
c5 = data_pd[data_pd.cluster == 4]
plt.scatter(c1.date, c1['totValue'],color='green')
plt.scatter(c2.date, c2['totValue'],color='blue')
plt.scatter(c3.date, c3['totValue'],color='red')
plt.scatter(c4.date, c4['totValue'],color='pink')
plt.scatter(c5.date, c5['totValue'],color='yellow')
plt.xlabel('date')
plt.ylabel('totValue')

# 新增x轴日期格式配置
ax = plt.gca()
# 自定义格式化函数，将数值时间戳转为%Y-%m-%d格式字符串
ax.xaxis.set_major_formatter(lambda x, pos: pd.to_datetime(x).strftime('%Y-%m-%d'))
# 可选：设置日期间隔，比如每7天显示一个刻度，避免标签过密
ax.xaxis.set_major_locator(mdates.DayLocator(interval=7))
# 可选配置：旋转x轴标签避免重叠，调整布局防止标签被截断
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()

如果你的date列实际是秒级/毫秒级时间戳，转换时可指定unit参数：pd.to_datetime(data_pd['date'], unit='s') 或 pd.to_datetime(data_pd['date'], unit='ms') 即可。

内容的提问来源于stack exchange，提问作者tharindu