python - 自动 Pandas 日期标签不一致

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，这些结果都具有相同的 pandas df 格式。但是，pandas 对每个 df 日期的格式不同。如何才能更加一致？

每个 df 都有一个像这样的 DatetimeIndex，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)

最终，我使用 df.plot() 进行绘图，其中 df 有两列。但绘图的轴有不同的样式，如下所示:

我希望所有绘图都具有第一个绘​​图的 x 轴样式。 pandas 应该自动执行此操作，因此我不想从 xticks 格式开始，因为我有很多数据要绘制。谁能解释一下该怎么做？谢谢!

编辑:

我正在阅读 2015 年的两个 csv 文件。第一个包含约 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，我又阅读了 2016 年的两个相同格式的 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()

我每年都会这样做，所以 x 轴应该看起来相同，对吗？

Answer 1

除非您对 pandas 库进行修改，否则我认为这是不可能的。我环顾四周寻找可以在 Pandas 中设置的选项，但找不到。 Pandas 尝试使用实现的逻辑智能地选择轴刻度类型 here (我认为)。因此，在我看来，最好定义自己的函数来绘制图形，而不是覆盖刻度格式(尽管您不想这样做)。

互联网上有许多引用资料展示了如何做到这一点。我用过this一首由“Simone Centellegher”和 this stackoverflow 的答案是提出一个可能适合您的函数(在 python 3.7.1 中使用 matplotlib 3.0.2、pandas 0.23.4 进行测试):

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"])