如何在Matplotlib中并列展示Pandas日期索引时间序列的夏季数据

核心思路是将不同年份的夏季日期对齐到统一的相对时间轴（比如一年中的月-日或第几天），再按年份分组绘图，就能实现并列展示。以下是具体步骤：

1. 预处理数据：提取年份与相对日期 #

首先给DataFrame添加年份列，以及用于对齐的相对日期列（二选一即可）：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的DataFrame为df，索引是datetime类型
df['year'] = df.index.year
# 选项1：生成"月-日"格式的字符串（可读性更强）
df['month_day'] = df.index.strftime('%m-%d')
# 选项2：生成一年中的第几天（数值型，更适合连续轴）
df['day_of_year'] = df.index.dayofyear

2. 转换数据格式（可选但推荐） #

将数据转为宽格式，让年份成为列名，相对日期作为索引，方便直接绘图：

# 以month_day为索引，年份为列，目标数值列为value
pivot_df = df.pivot(index='month_day', columns='year', values='value')

3. 绘制并列对比图 #

方式一：Matplotlib原生绘图 #

plt.figure(figsize=(12, 6))
# 遍历每个年份的数据绘制折线
for year in pivot_df.columns:
    plt.plot(pivot_df.index, pivot_df[year], label=str(year), linewidth=2)

plt.xlabel('夏季日期')
plt.ylabel('指标数值')
plt.title('三年夏季时间序列对比')
plt.legend(title='年份')
# 如果用month_day作为x轴，旋转标签避免重叠
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

方式二：Seaborn简化绘图 #

如果用Seaborn，可以直接用长格式数据绘图，无需转宽格式：

import seaborn as sns

plt.figure(figsize=(12, 6))
sns.lineplot(data=df, x='month_day', y='value', hue='year', marker='o', linewidth=2)

plt.xlabel('夏季日期')
plt.ylabel('指标数值')
plt.title('三年夏季时间序列对比')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

注意事项 #

• 若不同年份夏季的日期范围不一致，转换宽格式后会出现NaN，绘图时会自动跳过缺失值，不影响整体展示；
• 如果需要更精确的日期对齐（比如忽略闰年的差异），可以手动调整day_of_year或使用pd.to_datetime将month_day转为每年的统一日期再处理。

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