python - Matplotlib - 在保持正确的 x 值的同时跳过 xticks

Question

我试图从两个 pandas 数据框中绘制两个独立的东西，但 x 轴出现了一些问题。当使用 matplotlib.ticker 跳过 x-ticks 时，日期不会被跳过。结果是 x 轴值与绘制的内容不匹配。

例如，当 x-ticks 设置为基数 2 时，您会看到日期增加 1。

但是当基数设置为 4 时图形具有相同的间距，您可以在这里看到:

对于第二张图片，目标是每刻增加 4 天，因此应该显示为 22、26、30 等。

这是我正在使用的代码:

ax = plot2[['Date','change value']].plot(x='Date',color='red',alpha=1,linewidth=1.5)
plt.ylabel('Total Change')
plot_df[['Date','share change daily']].plot(x='Date',secondary_y=True,kind='bar',ax=ax,alpha=0.4,color='black',figsize=(6,2),label='Daily Change')
plt.ylabel('Daily Change')
ax.legend(['Total Change (L)','Daily Change'])
plt.xticks(plot_df.index,plot_df['Date'].values)

myLocator = mticker.MultipleLocator(base=4)
ax.xaxis.set_major_locator(myLocator)

感谢任何帮助!谢谢:)

Answer 1

首先，我建议您将日期设置为数据框的索引。这让 pandas 在您创建线图时自动很好地格式化日期标签，并让您使用 strftime 方便地创建自定义格式。方法。

第二点与此示例相关，在折线图上绘制条形图会阻止您获取 pandas 折线图日期标签，因为 x 轴单位切换为从 0 开始的整数单位(请注意，这是当您将日期用作字符串而不是 datetime 对象时也是这种情况，也就是 Pandas 中的 timestamp 对象)。您可以在创建线图(使用 DatetimeIndex)后运行 ax.get_xticks() 并在创建条形图后再次运行来自行检查。

关于刻度定位器和格式化程序、pandas 绘图默认值以及您可以定义自定义刻度和刻度标签的各种方式，有太多特殊之处，我将在此处详细介绍。因此，我建议您引用文档以获取更多信息(尽管对于您的情况，您实际上并不需要这些):Major and minor ticks , Date tick labels , Custom tick formatter for time series , more examples using ticks ，以及包含 list of tick locators and formatters 的代码模块及其参数。

此外，您可以使用 ax.get_xaxis().get_major_locator() 或 ax.get_xaxis().get_major_formatter()< 识别绘图函数使用的默认刻度定位器和格式化程序(您可以对 y 轴和小刻度执行相同的操作)以了解引擎盖下发生的事情。

开始解决您的问题。鉴于您希望在预定义的日期范围内有固定的报价频率，我建议您避免明确选择报价定位器和格式化程序，而是简单地创建您想要的报价列表和报价标签。首先，这是一些类似于您的示例数据:

import numpy as np                 # v 1.19.2
import pandas as pd                # v 1.1.3
import matplotlib.pyplot as plt    # v 3.3.2

rng = np.random.default_rng(seed=1) # random number generator

dti = pd.bdate_range(start='2020-07-22', end='2020-09-03')
daily = rng.normal(loc=0, scale=250, size=dti.size)
total = -1900 + np.cumsum(daily)

df = pd.DataFrame({'Daily Change': daily,
                   'Total Change': total},
                  index=dti)
df.head()

            Daily Change  Total Change
2020-07-22     86.396048  -1813.603952
2020-07-23    205.404536  -1608.199416
2020-07-24     82.609269  -1525.590147
2020-07-27   -325.789308  -1851.379455
2020-07-28    226.338967  -1625.040488

日期设置为索引，这将简化创建绘图的代码(无需指定x)。除了图形大小外，我使用与您提供的示例中相同的格式参数。请注意，为了设置刻度和刻度标签，我不使用 plt.xticks，因为这是指包含条形图的辅助轴，出于某种原因，rotation 和 ha 参数被忽略。

label_daily, label_total = df.columns

# Create pandas line plot: note the 'use_index' parameter
ax = df.plot(y=label_total, color='red', alpha=1, linewidth=1.5,
             use_index=False, ylabel=label_total)

# Create pandas bar plot: note that the second ylabel must be created
# after, else it overwrites the previous label on the left
df.plot(kind='bar', y=label_daily, color='black', alpha=0.4,
        ax=ax, secondary_y=True, mark_right=False, figsize=(9, 4))
plt.ylabel(label_daily, labelpad=10)

# Place legend in a better location: note that because there are two
# Axes, the combined legend can only be edited with the fig.legend
# method, and the ax legend must be removed
ax.legend().remove()
plt.gcf().legend(loc=(0.11, 0.15))

# Create custom x ticks and tick labels
freq = 4 # business days
xticks = ax.get_xticks()
xticklabels = df.index[::freq].strftime('%b-%d')
ax.set_xticks(xticks[::freq])
ax.set_xticks(xticks, minor=True)
ax.set_xticklabels(xticklabels, rotation=0, ha='center')

plt.show()

可以找到格式化日期的代码here .

---

为了完整起见，这里有两种创建完全相同刻度的替代方法，但这次是通过明确使用 matplotlib 刻度定位器和格式化程序。

第一个替代方案像以前一样使用刻度列表和刻度标签，但这次将它们传递给 FixedLocator和 FixedFormatter :

import matplotlib.ticker as mticker

# Create custom x ticks and tick labels
freq = 4 # business days
maj_locator = mticker.FixedLocator(ax.get_xticks()[::freq])
min_locator = mticker.FixedLocator(ax.get_xticks())
ax.xaxis.set_major_locator(maj_locator)
ax.xaxis.set_minor_locator(min_locator)

maj_formatter = mticker.FixedFormatter(df.index[maj_locator.locs].strftime('%b-%d'))
ax.xaxis.set_major_formatter(maj_formatter)
plt.setp(ax.get_xticklabels(), rotation=0, ha='center')

当使用 IndexLocator 时，第二个替代方案利用了在索引的每个第 n 个位置创建一个刻度的选项。 , 将它与 FuncFormatter 结合起来(而不是已弃用的 IndexFormatter):

import matplotlib.ticker as mticker

# Create custom x ticks and tick labels
maj_freq = 4 # business days
min_freq = 1 # business days
maj_locator = mticker.IndexLocator(maj_freq, 0)
min_locator = mticker.IndexLocator(min_freq, 0)
ax.xaxis.set_major_locator(maj_locator)
ax.xaxis.set_minor_locator(min_locator)

maj_formatter = mticker.FuncFormatter(lambda x, pos=None:
                                      df.index[int(x)].strftime('%b-%d'))
ax.xaxis.set_major_formatter(maj_formatter)
plt.setp(ax.get_xticklabels(), rotation=0, ha='center')

如您所见，这两个替代方案都比最初的示例更冗长。