不一致的自动熊猫日期标签

Question

我想知道 pandas 如何准确地格式化 x 轴日期。我在一堆数据结果上使用相同的脚本，它们都具有相同的 pandas df 格式。但是，pandas 以不同的方式格式化每个 df 日期。这怎么能更一致？

每个df都有一个DatetimeIndex这样dtype='datetime64[ns]

>>> df.index
DatetimeIndex(['2014-10-02', '2014-10-03', '2014-10-04', '2014-10-05',
               '2014-10-06', '2014-10-07', '2014-10-08', '2014-10-09',
               '2014-10-10', '2014-10-11',
               ...
               '2015-09-23', '2015-09-24', '2015-09-25', '2015-09-26',
               '2015-09-27', '2015-09-28', '2015-09-29', '2015-09-30',
               '2015-10-01', '2015-10-02'],
              dtype='datetime64[ns]', name='Date', length=366, freq=None)

最后，我使用df.plot() 绘制，其中 df 有两列。 但是绘图的轴有不同的样式，如下所示：

我希望所有图都具有第一个图的 x 轴样式。 pandas 应该自动执行此操作，因此我不喜欢从 xticks 格式开始，因为我有很多数据要绘制。谁能解释该怎么做？谢谢！

编辑：

我正在读取 2015 年的两个 csv 文件。第一个包含大约 200 个站点的模型结果，第二个包含相同站点的仪表测量结果。后来，我又读了两个 2016 年以来格式相同的 csv 文件。

import pandas as pd

df_model = pd.read_csv(path_model, sep=';', index_col=0, parse_dates=True)
df_gauge = pd.read_csv(path_gauge, sep=';', index_col=0, parse_dates=True)

df = pd.DataFrame(columns=['model', 'gauge'], index=df_model.index)

df['model'] = df_model['station_1'].copy()
df['gauge'] = df_gauge['station_1'].copy()

df.plot()

我每年都这样做，所以 x 轴应该看起来一样，对吧？

Answer 1

除非您对 pandas 库进行修改，否则我不认为这是可能的。我环顾四周寻找可以在 Pandas 中设置的选项，但找不到。 Pandas 尝试使用实现here 的逻辑智能地选择轴刻度的类型（我认为）。所以在我看来，最好定义自己的函数来制作绘图，而不是覆盖刻度格式（尽管你不想这样做）。

互联网上有很多参考资料展示了如何做到这一点。我使用this 一个由“Simone Centellegher”和this stackoverflow 回答提出了一个可能适合您的函数（在 python 3.7.1 和 matplotlib 3.0.2、pandas 0.23.4 中测试）：

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

## pass df with columns you want to plot
def my_plotter(df, xaxis, y_cols):
    fig, ax = plt.subplots()
    plt.plot(xaxis,df[y_cols])

    ax.xaxis.set_minor_locator(mdates.MonthLocator())
    ax.xaxis.set_major_locator(mdates.YearLocator())

    ax.xaxis.set_minor_formatter(mdates.DateFormatter('%b'))
    ax.xaxis.set_major_formatter(mdates.DateFormatter('%b\n%Y'))

    # Remove overlapping major and minor ticks
    majticklocs = ax.xaxis.get_majorticklocs()
    minticklocs = ax.xaxis.get_minorticklocs()
    minticks = ax.xaxis.get_minor_ticks()

    for i in range(len(minticks)):
        cur_mintickloc = minticklocs[i]
        if cur_mintickloc in majticklocs:
            minticks[i].set_visible(False)

    return fig, ax


df = pd.DataFrame({'values':np.random.randint(0,1000,36)}, \
                index=pd.date_range(start='2014-01-01', \
                                end='2016-12-31',freq='M'))

fig, ax = my_plotter(df, df.index, ["values"])