Pandas 时间序列图设置 x 轴主刻度和次刻度以及标签

问题描述：

我希望能够为从 Pandas 时间序列对象绘制的时间序列图设置主 xticks 和次 xticks 及其标签。

Pandas 0.9 的“新功能”页面显示：

“您可以使用 to_pydatetime 或为 Timestamp 类型注册一个转换器”

但我不知道如何做到这一点，以便我可以使用 matplotlibax.xaxis.set_major_locator和ax.xaxis.set_major_formatter（和次要）命令。

如果我在不转换熊猫时间的情况下使用它们，x 轴刻度和标签最终会出错。

通过使用 'xticks' 参数，我可以将主刻度传递给 pandas' .plot，然后设置主刻度标签。我无法弄清楚如何使用这种方法来设置小刻度（我可以在 pandas' 设置的默认小刻度上设置标签.plot）。

这是我的测试代码：

图表 xaxis 上有奇怪的日期

import pandas as pd
import matplotlib.dates as mdates
import numpy as np

dateIndex = pd.date_range(start='2011-05-01', end='2011-07-01', freq='D')
testSeries = pd.Series(data=np.random.randn(len(dateIndex)), index=dateIndex)    

ax = plt.figure(figsize=(7,4), dpi=300).add_subplot(111)
testSeries.plot(ax=ax, style='v-', label='first line')    

# using MatPlotLib date time locators and formatters doesn't work with new
# pandas datetime index
ax.xaxis.set_minor_locator(mdates.WeekdayLocator())
ax.xaxis.set_minor_formatter(mdates.DateFormatter('%d
%a'))
ax.xaxis.grid(True, which="minor")
ax.xaxis.grid(False, which="major")
ax.xaxis.set_major_formatter(mdates.DateFormatter('


%b%Y'))
plt.show()    

带有正确日期的图表（无小刻度）

# set the major xticks and labels through pandas
ax2 = plt.figure(figsize=(7,4), dpi=300).add_subplot(111)
xticks = pd.date_range(start='2011-05-01', end='2011-07-01', freq='W-Tue')
testSeries.plot(ax=ax2, style='-v', label='second line', xticks=xticks.to_pydatetime())
ax2.set_xticklabels([x.strftime('%a
%d
%h
%Y') for x in xticks]);
# remove the minor xtick labels set by pandas.plot 
ax2.set_xticklabels([], minor=True)
# turn the minor ticks created by pandas.plot off 
plt.show()

更新：通过使用循环构建主要的 xtick 标签，我已经能够更接近我想要的布局：

# only show month for first label in month
month = dStart.month - 1
xticklabels = []
for x in xticks:
    if  month != x.month :
        xticklabels.append(x.strftime('%d
%a
%h'))
        month = x.month
    else:
        xticklabels.append(x.strftime('%d
%a'))

但是，这有点像使用 x 轴ax.annotate：可行但并不理想。

绘制熊猫时间序列数据时，如何设置主刻度和次刻度？

解决方案 1：

pandas和都matplotlib.dates用于matplotlib.units定位蜱虫。

但是，尽管matplotlib.dates有方便的方法来手动设置刻度，但到目前为止，pandas 似乎仍专注于自动格式化（您可以查看pandas 中日期转换和格式化的代码）。

因此目前看来使用它更为合理matplotlib.dates（正如@BrenBarn 在他的评论中提到的）。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
import matplotlib.dates as dates

idx = pd.date_range('2011-05-01', '2011-07-01')
s = pd.Series(np.random.randn(len(idx)), index=idx)

fig, ax = plt.subplots()
ax.plot_date(idx.to_pydatetime(), s, 'v-')
ax.xaxis.set_minor_locator(dates.WeekdayLocator(byweekday=(1),
                                                interval=1))
ax.xaxis.set_minor_formatter(dates.DateFormatter('%d
%a'))
ax.xaxis.grid(True, which="minor")
ax.yaxis.grid()
ax.xaxis.set_major_locator(dates.MonthLocator())
ax.xaxis.set_major_formatter(dates.DateFormatter('


%b
%Y'))
plt.tight_layout()
plt.show()

（我的语言环境是德语，因此星期二 [Tue] 变成了 Dienstag [Di]）

解决方案 2：

要关闭 Pandas Datetime 刻度调整，必须添加参数x_compat=True

例子：

ds.plot(x_compat=True)

请参阅 Pandas 文档中的更多示例：抑制刻度分辨率调整

解决方案 3：

在matplotlib中plot()，默认的时间序列单位是1天，而在pandas中plot()，1个单位等于时间序列的频率，所以如果频率是1天，那么1个单位就是1天；如果是1小时，那么1个单位就是1小时等等。这使得plot()matplotlib和pandas在处理时间序列数据时的调用有所不同。

如果时间序列的频率是1天，那么matplotlib.dates.WeekdayLocator等matplotlib.dates.MonthLocator可以“定位”刻度位置1，因为1天是pandas使用1天作为基本单位来制作xtick位置plot()（与matplotlib的默认值一致）。

由于 pandas 的plot()调用返回一个 Axes 对象，因此可以使用 来修改该 Axes 对象的刻度标签matplotlib.dates。

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

idx = pd.date_range('2011-05-01', '2011-07-01', freq='D')
s1 = pd.Series(np.random.randn(len(idx)), index=idx)

ax = s1.plot(style='v-')
ax.xaxis.set(
    minor_locator=mdates.WeekdayLocator(),               # make minor ticks on each Tuesday
    minor_formatter=mdates.DateFormatter('%d
%a'),      # format minor ticks
    major_locator=mdates.MonthLocator(),                 # make major ticks on first day of each month
    major_formatter=mdates.DateFormatter('


%b
%Y') # format major ticks
);

但是，如果频率不是 1 天，而是 1 周，那么matplotlib.dates将无法定位位置，因为如前所述，pandasplot()将单位设置为与时间序列频率（1 周）相同，这会“混淆” matplotlib.dates。因此，如果我们尝试使用用于设置刻度标签的相同代码s1来设置刻度标签s2，那么我们将得到非常错误的刻度标签。

要“解决”该问题，一种方法是通过传递来删除 pandas 的自动刻度分辨率调整x_compat=True。然后可以使用 matplotlib 的分辨率设置主/次刻度标签；换句话说，可以按照与上述相同的方式进行设置。

idx = pd.date_range('2011-05-01', '2011-07-01', freq='W')
s2 = pd.Series(np.random.randn(len(idx)), index=idx)

ax = s2.plot(style='v-', x_compat=True, rot=0)
ax.xaxis.set(
    minor_locator=mdates.WeekdayLocator(),              # make minor ticks on each Tuesday
    minor_formatter=mdates.DateFormatter('%d'),         # format minor ticks
    major_locator=mdates.MonthLocator(),                # make major ticks on first day of each month
    major_formatter=mdates.DateFormatter('

%b
%Y')  # format major ticks
);

解决该问题的另一种方法是改用 matplotlib （如@bmuplot()所建议）。由于单位在 matplotlib 中是固定的，因此我们可以像上面一样设置刻度标签而不会出现问题。

plt.plot(s2.index, s2, 'v-')                            # use matplotlib instead
plt.gca().xaxis.set(
    minor_locator=mdates.WeekdayLocator(byweekday=0),   # make minor ticks on each Monday
    minor_formatter=mdates.DateFormatter('%d'),         # format minor ticks
    major_locator=mdates.MonthLocator(),                # make major ticks on first day of each month
    major_formatter=mdates.DateFormatter('

%b
%Y')  # format major ticks
);

1 matplotlib.dates.num2timedelta(1) == datetime.timedelta(days=1)为真。