Pandas与Matplotlib DateTime绘图坐标不一致及最佳实践问询

这个问题我之前踩过坑！核心原因是Pandas和Matplotlib对datetime类型的x轴采用了完全不同的数值表示系统，导致混合绘图时坐标不匹配。下面给你拆解原因和几种公认的最佳实践：

问题根源 #

• Pandas默认绘图时，会把DatetimeIndex转换成纳秒级时间戳（就是你看到的25247280.0这类数值，本质是datetime64[ns]类型的整数表示转换为浮点数）
• Matplotlib原生绘图则使用date2num格式：把日期转换成从公元1年1月1日以来的天数（比如736695.727，对应2018-01-01 20:00:00）

两种格式数值范围差了好几个数量级，混合使用自然会导致其中一个图的内容被压缩到完全看不见。

最佳实践 #

方案1：强制Pandas使用Matplotlib的日期系统（推荐混合绘图时用） #

在Pandas的plot()方法里添加x_compat=True参数，这样Pandas会改用Matplotlib的date2num格式处理x轴，和原生绘图完全兼容。

修改你的示例代码如下：

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

start = '2018-01-02 03:00:00'
end = '2018-01-02 11:00:00'
data = pd.DataFrame({'DateTime': pd.date_range(start=start, end=end, freq='1H'), 
                     'x': [1,2,3,4,5,4,3,2,1], 
                     'y': [5,4,3,2,1,2,3,4,5]})
data = data.set_index('DateTime')

ax0 = plt.subplot(211)
ax1 = plt.subplot(212, sharex=ax0)

# Pandas绘图时启用x_compat，对齐Matplotlib的日期格式
data['x'].plot(ax=ax0, x_compat=True)
# Matplotlib原生绘图直接用DatetimeIndex即可（自动转成date2num格式）
ax1.plot(data.index, data['y'])

# 如果要添加broken_barh，这样转换坐标：
start_bar = pd.to_datetime('2018-01-02 04:00:00')
end_bar = pd.to_datetime('2018-01-02 08:00:00')
# 把持续时间转换成date2num的单位（天）
duration_days = (end_bar - start_bar).total_seconds() / (3600*24)
ax1.broken_barh([(mdates.date2num(start_bar), duration_days)], (0, 5), facecolor='red', alpha=0.3)

plt.tight_layout()
plt.savefig('test_fixed.png')

修改后两个子图的x轴坐标系统完全一致，sharex能正常工作，broken_barh也能准确显示在对应时间段。

方案2：强制Matplotlib使用Pandas的时间戳格式 #

如果你更习惯用Pandas的默认格式，可以把Matplotlib绘图的x轴数据转换成Pandas的纳秒级时间戳：

# 把DatetimeIndex转成Pandas绘图使用的时间戳数值（秒级）
ax1.plot(data.index.view('int64') / 1e9, data['y'])

不过这种方法的缺点是后续调整x轴日期刻度会比较麻烦，需要手动转换回datetime对象，所以不如方案1便捷。

额外提示 #

如果需要调整x轴的日期显示格式（比如显示成%Y-%m-%d %H:%M），可以在方案1的基础上添加：

date_format = mdates.DateFormatter('%Y-%m-%d %H:%M')
ax0.xaxis.set_major_formatter(date_format)
ax1.xaxis.set_major_formatter(date_format)
plt.xticks(rotation=45)

这样就能得到格式清晰的日期刻度了。

内容的提问来源于stack exchange，提问作者Scott B