Python中Bokeh绘图自定义分类刻度标签：解决标签拥挤问题

我来帮你搞定这个Bokeh轴标签的问题！你不想用x_axis_type="datetime"又嫌CategoricalAxis的366个刻度太拥挤，其实用自定义固定刻度+标签的方式就能完美解决，既清爽又符合你要显示“1 January”这类无年份标签的需求。

核心思路 #

放弃CategoricalAxis，改用LinearAxis配合FixedTicker和FuncTickFormatter：

• 用FixedTicker手动指定你想显示的刻度位置（比如每月第一天对应的x坐标）
• 用FuncTickFormatter把这些位置映射成“1 January”格式的标签
• 这样只会显示你指定的12个（或13个，闰年）刻度，完全不会拥挤

具体代码实现 #

假设你的数据是包含日期和数值的DataFrame，我给你写个可直接参考的示例：

from bokeh.plotting import figure, show
from bokeh.models import FixedTicker, FuncTickFormatter, LinearAxis
import pandas as pd
import numpy as np

# 模拟1950-2015的每日数据，替换成你自己的数据集即可
dates = pd.date_range(start='1950-01-01', end='2015-12-31', freq='D')
df = pd.DataFrame({
    'date': dates,
    'value': np.random.randn(len(dates))  # 替换成你的实际数值列
})

# 生成"1 January"格式的标签，并标记每月第一天
df['day_month_label'] = df['date'].dt.strftime('%d %B')
df['is_first_day'] = df['date'].dt.is_month_start

# 提取每月第一天的x位置（这里假设x用数据的索引，你也可以换成一年中的天数：df['date'].dt.dayofyear）
first_day_x_positions = df[df['is_first_day']].index.tolist()
# 对应的标签列表
first_day_labels = df[df['is_first_day']]['day_month_label'].tolist()

# 创建基础绘图，不用datetime轴
p = figure(
    plot_width=900,
    plot_height=450,
    x_axis_label='Date',
    y_axis_label='Value',
    tools='pan,box_zoom,reset'
)
p.line(df.index, df['value'])  # x用索引，替换成你的x列

# 隐藏默认的x轴，避免重复
p.xaxis.visible = False

# 添加自定义x轴
custom_x_axis = LinearAxis(
    ticker=FixedTicker(ticks=first_day_x_positions),
    formatter=FuncTickFormatter(code=f"""
        const labels = {first_day_labels};
        return labels[ticks.indexOf(tick)];
    """)
)
p.add_layout(custom_x_axis, 'below')

show(p)

额外调整建议 #

• 如果你的x轴是按一年中的天数（1-366）来绘制（比如把所有年份的同一天叠在一起），只需要把df.index换成df['date'].dt.dayofyear，同时first_day_x_positions换成每月第一天的天数（比如1,32,61...）即可。
• 要是觉得12个刻度还是有点密，可以改成只显示季度第一天的标签，只需要把is_month_start换成df['date'].dt.quarter != df['date'].shift(1).dt.quarter来筛选季度起始日就行。

内容的提问来源于stack exchange，提问作者Jay