使用Numpy np.arange生成datetime轴刻度时内核崩溃重启求助

我之前也踩过完全一样的坑——用datetime数组设置自定义刻度时不小心搞出了超大的临时数组，直接把内存撑爆，内核悄咪咪重启连个报错都没有。结合你的情况，534个datetime值的数组，要设置间隔10的刻度，完全不用复杂的频率生成逻辑，直接从原数组采样最稳妥。

核心解决方案：直接从原数组采样刻度 #

你的需求应该是每隔10个数据点取一个作为X轴刻度吧？这种情况别去生成新的datetime序列，直接对summertime数组做切片采样即可，内存占用极低，绝对不会出现崩溃问题：

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

# 假设summertime是datetime类型的数组（比如Python原生list或pandas DatetimeIndex）
# 每隔10个元素取一个作为刻度位置
tick_positions = summertime[::10]

# 绘制图表并设置刻度
fig, ax = plt.subplots()
# 这里替换成你的绘图代码，比如ax.plot(summertime, your_data)
ax.set_xticks(tick_positions)

# 可选：格式化日期显示，防止标签重叠
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d %H:%M'))
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

为什么你的原代码会崩溃？ #

大概率是你尝试用pd.date_range或类似频率生成函数时犯了小错误：

• 比如误把“间隔10个数据点”当成了“时间间隔10分钟/小时”，生成了远超需求的datetime刻度（比如534个数据点如果是分钟级间隔，设freq='10T'会生成几千个刻度）
• 或者不小心写错了起始/结束时间，导致生成了跨度过大的时间序列，瞬间占满内存

额外排查小贴士 #

• 先打印len(tick_positions)确认刻度数量：534个数据点隔10个取一次，结果应该在50-60之间，要是出现几万几十万，肯定是逻辑错了
• 如果用pandas绘图，可以直接在plot()里指定xticks=tick_positions，效果一致
• 避免依赖自动刻度生成逻辑，手动指定刻度能确保所有图表样式统一，还能杜绝意外的内存占用

内容的提问来源于stack exchange，提问作者danrod13