优化多级索引Pandas DataFrame绘图的X轴标签显示

不用动原DataFrame的话，我有两个高效的法子，直接在绘图环节搞定标签显示的问题：

方法一：绘图后直接修改轴标签（最省心） #

先正常画完图，再把X轴的标签替换成你要的外层索引日期（不带时间）就行，代码示例如下：

import pandas as pd
import matplotlib.pyplot as plt

# 你的原始数据生成代码
dt = pd.DatetimeIndex(start='2010-1-1', end='2010-12-31', freq='m')
dt2 = pd.DatetimeIndex(start='2011-1-1', end='2011-1-10', freq='d')
mi = pd.MultiIndex.from_product([dt, dt2], names=['assessment_date', 'contract_date'])
df = pd.DataFrame(index=mi)
df['foo'] = 7

# 绘图并拿到轴对象
ax = df.plot(rot=50)

# 把每个刻度对应的外层索引提取出来，格式化成不带时间的字符串
new_labels = [idx[0].strftime('%Y-%m-%d') for idx in df.index]

# 替换掉原来的X轴标签
ax.set_xticklabels(new_labels)

plt.tight_layout()
plt.show()

这样原来显示两级索引加时间的冗余标签，就会变成只显示外层的日期，完全符合你的需求。

方法二：绘图时手动指定刻度（更灵活） #

如果你的X轴因为内层索引太多显得太挤，想把同一外层索引的多个数据点合并显示一个标签，用这个方法更合适：

import pandas as pd
import matplotlib.pyplot as plt

# 生成数据（和你原来的代码一致）
dt = pd.DatetimeIndex(start='2010-1-1', end='2010-12-31', freq='m')
dt2 = pd.DatetimeIndex(start='2011-1-1', end='2011-1-10', freq='d')
mi = pd.MultiIndex.from_product([dt, dt2], names=['assessment_date', 'contract_date'])
df = pd.DataFrame(index=mi)
df['foo'] = 7

# 获取外层索引的唯一值，以及每个外层索引对应的刻度位置
unique_dates = df.index.get_level_values('assessment_date').unique()
# 每个外层索引对应len(dt2)行，所以刻度放在每组的中间位置
tick_positions = [i * len(dt2) + len(dt2)//2 for i in range(len(unique_dates))]
# 格式化日期为不带时间的字符串
tick_labels = [date.strftime('%Y-%m-%d') for date in unique_dates]

# 绘图时指定刻度位置和标签
ax = df.plot(rot=50)
ax.set_xticks(tick_positions)
ax.set_xticklabels(tick_labels)

plt.tight_layout()
plt.show()

小提示 #

• 两种方法都不用修改原DataFrame的结构，所有操作都在绘图阶段完成；
• 日期格式可以自己调，比如把'%Y-%m-%d'改成'%Y/%m'或者'%Y年%m月'都可以；
• 如果你是绘制切片后的子DataFrame（比如df.loc['2010-01-31']），只要把代码里的df换成切片后的对象就行，逻辑完全通用。

内容的提问来源于stack exchange，提问作者user3556757