使用matplotlib同X轴双Y轴绘制两个pandas时间序列出现异常

核心原因是两个DataFrame的时间索引完全无重叠，触发了pandas绘图的索引对齐逻辑：

• df1的索引为不含周末的工作日，df2的所有索引都是周日，二者没有公共的日期值
• pandas的DataFrame.plot默认优先按索引标签对齐数据，再映射到x轴位置：
  • 第一个子图先绘制df1，再绘制df2时，df2的所有日期都不在df1的索引范围内，对应值全部被填充为NaN，因此看不到第二条曲线
  • 第二个子图先绘制df2，再绘制df1时，df1的31个日期无任何能匹配df2的索引，pandas会强行将df1的所有数据挤压到df2仅有的5个x轴刻度位置上，就出现了异常的重采样错位现象

提供两种可直接复用的方案：

方案1：使用matplotlib原生绘图接口（推荐） #

直接指定x、y参数绘图，不会触发pandas的索引对齐逻辑，完全按实际时间戳位置渲染：

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

# 原数据构造代码保持不变
dates1 = ['2021-08-26', '2021-08-27', '2021-08-30', '2021-08-31',
               '2021-09-01', '2021-09-02', '2021-09-03', '2021-09-07',
               '2021-09-08', '2021-09-09', '2021-09-10', '2021-09-13',
               '2021-09-14', '2021-09-15', '2021-09-16', '2021-09-17',
               '2021-09-20', '2021-09-21', '2021-09-22', '2021-09-23',
               '2021-09-24', '2021-09-27', '2021-09-28', '2021-09-29',
               '2021-09-30', '2021-10-01', '2021-10-04', '2021-10-05',
               '2021-10-06', '2021-10-07', '2021-10-08']
dates2 = ['2021-08-29', '2021-09-05', '2021-09-12', '2021-09-19',
               '2021-09-26']
y1 = np.random.randn(len(dates1)).cumsum()
y2 = np.random.randn(len(dates2)).cumsum()
df1 = pd.DataFrame({'date':pd.to_datetime(dates1), 'y1':y1})
df1.set_index('date', inplace=True)
df2 = pd.DataFrame({'date':pd.to_datetime(dates2), 'y2':y2})
df2.set_index('date', inplace=True)

# 绘图代码修改为如下内容
fig, axs = plt.subplots(1,4, figsize=[12,4])

# 子图0 双Y轴
axs[0].plot(df1.index, df1['y1'], label='y1')
ax_twin0 = axs[0].twinx()
ax_twin0.plot(df2.index, df2['y2'], color='orange', label='y2')
# 合并图例
lines1, labels1 = axs[0].get_legend_handles_labels()
lines2, labels2 = ax_twin0.get_legend_handles_labels()
axs[0].legend(lines1 + lines2, labels1 + labels2, loc='upper left')

# 子图1 双Y轴
axs[1].plot(df2.index, df2['y2'], label='y2')
ax_twin1 = axs[1].twinx()
ax_twin1.plot(df1.index, df1['y1'], color='orange', label='y1')
# 合并图例
lines1, labels1 = axs[1].get_legend_handles_labels()
lines2, labels2 = ax_twin1.get_legend_handles_labels()
axs[1].legend(lines1 + lines2, labels1 + labels2, loc='upper left')

# 子图2、3保持原有逻辑
df1.y1.plot(ax=axs[2])
df2.y2.plot(ax=axs[3])

plt.tight_layout()
plt.show()

方案2：先合并数据集再绘图 #

将两个DataFrame按日期外连接合并为一个完整数据集，保证索引覆盖所有日期后再用pandas绘图：

# 数据构造完成后先执行合并
df_all = pd.concat([df1, df2], axis=1).sort_index()

# 绘图代码修改为如下内容
fig, axs = plt.subplots(1,4, figsize=[12,4])

df_all['y1'].plot(ax=axs[0])
df_all['y2'].plot(ax=axs[0], secondary_y=True)

df_all['y2'].plot(ax=axs[1])
df_all['y1'].plot(ax=axs[1], secondary_y=True)

df1.y1.plot(ax=axs[2])
df2.y2.plot(ax=axs[3])

plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Alberto