如何在Matplotlib中绘制含Datetime轴的柱状图与折线图组合图

我来帮你搞定这个需求！其实不用纠结DateFormatter，pandas结合matplotlib就能完美解决动态日期刻度的问题，而且代码还很简洁。先把你未完成的代码补全，再给出完整的实现方案：

首先补全测试用的DataFrame生成代码：

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

startDate = dt.datetime(2018,1,1,0,0)
nrHours = 144
# 生成每小时间隔的DatetimeIndex
datetimeIndex = pd.date_range(start=startDate, periods=nrHours, freq='H')
# 生成两列随机整数测试数据
df = pd.DataFrame({
    'Col1': np.random.randint(10, 50, size=nrHours),
    'Col2': np.random.randint(50, 100, size=nrHours)
}, index=datetimeIndex)

接下来是核心绘图部分，关键是利用pandas对DatetimeIndex的原生支持，它会自动处理x轴的动态刻度适配——缩放图表时，标签会智能切换时间粒度（比如缩小显示日期，放大显示小时），完全不用手动配置格式化器：

# 创建画布和主轴对象
fig, ax1 = plt.subplots(figsize=(12,6))

# 绘制Col1的柱状图
ax1.bar(df.index, df['Col1'], width=0.04, label='Col1', color='tab:blue')
ax1.set_xlabel('日期时间')
ax1.set_ylabel('Col1 数值', color='tab:blue')
ax1.tick_params(axis='y', labelcolor='tab:blue')

# 创建副轴用于绘制Col2的折线图（如果两列数值范围接近，可跳过这步直接用主轴）
ax2 = ax1.twinx()
ax2.plot(df.index, df['Col2'], color='tab:orange', linewidth=2, label='Col2')
ax2.set_ylabel('Col2 数值', color='tab:orange')
ax2.tick_params(axis='y', labelcolor='tab:orange')

# 合并两个轴的图例，方便查看
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax1.legend(lines1 + lines2, labels1 + labels2, loc='upper left')

# 旋转x轴标签避免重叠，提升可读性
plt.xticks(rotation=45, ha='right')

# 自动调整布局，防止标签被截断
plt.tight_layout()

plt.show()

为什么这个方案能满足你的需求？ #

• 动态日期刻度：pandas与matplotlib的组合会自动识别DatetimeIndex的时间粒度，缩放图表时x轴标签会智能切换——比如缩小到天级时显示2018-01-01，放大到小时级时显示2018-01-01 08:00，完全不需要手动设置DateFormatter。
• 混合图表兼容：通过双轴（或单轴）实现柱状图与折线图的同图展示，同时保证两个数据系列的数值都能清晰呈现。
• 可读性优化：通过旋转标签和自动布局，避免了日期标签重叠的问题。

如果Col1和Col2的数值范围接近，也可以简化为单轴绘制，代码更简洁：

fig, ax = plt.subplots(figsize=(12,6))
df['Col1'].plot(kind='bar', ax=ax, width=0.04, label='Col1')
df['Col2'].plot(kind='line', ax=ax, color='tab:orange', linewidth=2, label='Col2')
ax.set_xlabel('日期时间')
ax.set_ylabel('数值')
ax.legend()
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
plt.show()

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