python - 改变 xticks matplotlib

Question

我有一个有时间的散点图x-axis

import pandas as pd
import matplotlib.pyplot as plt
from matplotlib import ticker

d = ({
    'A' : ['08:00:00','08:10:00','08:12:00','08:26:00','08:29:00','08:31:00','10:10:00','10:25:00','10:29:00','10:31:00'],
    'B' : ['1','1','1','2','2','2','7','7','7','7'],     
    'C' : ['X','Y','Z','X','Y','Z','A','X','Y','Z'],
    })

df = pd.DataFrame(data=d)

fig,ax = plt.subplots()

x = df['A']
y = df['B']

x_numbers = (pd.to_timedelta(df['A']).dt.total_seconds())

plt.scatter(x_numbers, y)
plt.show()

输出 1：

我想将总秒数换成实际时间戳，所以我包括：

plt.xticks(x_numbers, x)

这导致 x 刻度相互重叠。

如果我使用：

plt.locator_params(axis='x', nbins=10) 

结果与上述相同。如果我将其更改nbins为较小的刻度，则刻度不会重叠，但它们不会与各自的散点对齐。正如在散点不与正确的时间戳对齐。

如果我使用：

M = 10
xticks = ticker.MaxNLocator(M)
ax.xaxis.set_major_locator(xticks) 

ticks不重叠，但不与各自的散点对齐。

是否可以选择x-ticks您使用的数量，但仍与相应的数据点对齐。

例如对于figure以下。我可以只使用n数字ticks而不是全部吗？

输出 2：

Answer 1

首先，时间间隔不一致。其次，它是一个高频系列。

在一般情况下，您不需要匹配xticks每个条目的对应项。并且，在这些情况下，您可以利用类似的东西，例如，以及plt.plot_date(x, y)滴答locators和formatters类似，DayLocator()以及DateFormatter('%Y-%m-%d')。

尽管对于这种非常特殊的情况，即数据处于分钟级别并且很少有几个点非常接近，但破解方法可能是尝试使用您用于 x 轴的数字系列，x_numbers. 为了增加两点之间的差距，我尝试cumsum()并在一定程度上消除重叠，给了rotation一些xticks.

fig, ax = plt.subplots(figsize=(10,6))

x = df['A']
y = df['B']

x_numbers = (pd.to_timedelta(df['A']).dt.total_seconds()).cumsum()

plt.scatter(x_numbers, y)
plt.xticks(x_numbers, x, rotation=50)
plt.show()

Answer 2

让我们使用一些 xticklabel 操作：

d = ({
    'A' : ['08:00:00','08:10:00','08:12:00','08:26:00','08:29:00','08:31:00','10:10:00','10:25:00','10:29:00','10:31:00'],
    'B' : ['1','1','1','2','2','2','7','7','7','7'],     
    'C' : ['X','Y','Z','X','Y','Z','A','X','Y','Z'],
    })

df = pd.DataFrame(data=d)

fig,ax = plt.subplots()

x = df['A']
y = df['B']

x_numbers = (pd.to_timedelta(df['A']).dt.total_seconds())

plt.scatter(x_numbers, y)
loc, labels = plt.xticks()
newlabels = [str(pd.Timedelta(str(i)+ ' seconds')).split()[2] for i in loc]
plt.xticks(loc, newlabels)
plt.show()

输出：