不一致的自动熊猫日期标签

Question

我想知道pandas是如何准确地格式化x轴日期的。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格式化每个df的日期不同。怎么能更一致？

每个df都有像这样的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)

最后，我用df.plot()绘制，其中df有两列。但是这些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。大熊猫应该自动执行此操作，因此我宁愿不首先使用xticks格式，因为我有很多数据要绘制。谁能解释一下该做什么？谢谢！

编辑：

我从2015年开始阅读两个csv文件。第一个有大约200个站点的模型结果，第二个有相同站点的仪表测量值。后来，我用相同的格式读了2016年的另外两个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，对吗？

Answer 1

除非你对pandas库进行修改，否则我认为这不可行。我环顾了一下可能在Pandas中设置的选项，但找不到一个。 Pandas尝试使用逻辑实现的here（I THINK）智能地选择轴刻度的类型。所以在我看来，最好定义自己的函数来制作图，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“Simone Centellegher”和this stackoverflow回答来提出一个可能适合你的功能（在python 3.7.1中用matplotlib 3.0.2测试，pandas 0.23.4）：

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"])