如何将数据框图的 x 轴（日期时间格式）缩放到相同的比例？蟒蛇熊猫答案

【问题标题】：How to scale the x-axis (in datetime format) of dataframes graphs to the same scale ? Python Pandas如何将数据框图的 x 轴（日期时间格式）缩放到相同的比例？蟒蛇熊猫
【发布时间】：2022-01-25 02:43:35
【问题描述】：

我在一个图形上有几个数据框图形。 X 轴是时间戳，格式为：dd/mm/yy HH:MM:SS

问题是时间轴不在同一个刻度上，我不能把它们放在同一个刻度上。我试过了，但它不起作用：

df1:

Timestamp,Value
2018-11-13 00:26:43.267725,68.9999980926514
2018-11-13 00:26:52.194564,488.389312744141
2018-11-13 00:26:52.479555,549.0
2018-11-13 00:27:11.812900,535.6854553222661
2018-11-13 00:27:12.080380,549.0
2018-11-13 00:27:12.348114,509.51171875
2018-11-13 00:27:20.346217,47.54024255275726
2018-11-13 00:28:39.572289,68.9999980926514
2018-11-13 00:28:46.264423,86.6078643798828
2018-11-13 00:28:50.782171,549.0
2018-11-13 00:29:12.807073,68.9999980926514


df2:

Timestamp,Value
2018-12-10 20:22:30.088260,120.8003616333008
2018-12-10 20:22:31.893382,549.0
2018-12-10 20:22:49.872620,478.66650390625
2018-12-10 20:22:50.129706,427.010375976562
2018-12-10 20:22:50.437430,353.003936767578
2018-12-10 20:22:50.762730,277.003540039062
2018-12-10 20:22:51.081120,232.50846862793
2018-12-10 20:22:51.338931,198.633895874023
2018-12-10 20:22:51.677225,164.06259918212902
2018-12-10 20:22:52.002505,147.7807312011719

cols = 1
rows = 2

nb_figs = rows

# create the figure with multiple axes
fig, axes = plt.subplots(nrows=rows, ncols=cols, figsize=(10, 13))

ax = df1.plot(x='Timestamp', y='Value', ax=axes[0])
xlocator = mdates.SecondLocator(interval = 15)
ax.xaxis.set_major_locator(xlocator)
ax.xaxis.set_major_formatter(mdates.DateFormatter('%d/%m/%y %H:%M:%S'))

ax = df2.plot(x='Timestamp', y='Value', ax=axes[1])
xlocator = mdates.SecondLocator(interval = 15)
ax.xaxis.set_major_locator(xlocator)
ax.xaxis.set_major_formatter(mdates.DateFormatter('%d/%m/%y %H:%M:%S'))

结果是：

我希望这两个图跨越相同的持续时间（比如 20 分钟），不一定显示相同的时间间隔？我错过了一个参数吗？还是我需要其他方法？

【问题讨论】：

如何创建情节？尝试使用fig, axs = plt.subplots(2, 1, sharex=True, sharey=True)
但不可能分享 X，因为我们不在同一日期和时间
你能创建一个可重现的例子吗？
是的，我刚刚向您提供了数据

标签： python pandas datetime matplotlib

【解决方案1】：

你可以take两个Axes的查看间隔，把较小的放大来匹配较大的，然后set围绕其中心的新间隔：

fig, axes = plt.subplots(nrows=2, figsize=(10, 8), layout='constrained')

ax1 = df1.plot(x='Timestamp', y='Value', ax=axes[0])
xlocator = mdates.SecondLocator(interval = 15)
ax1.xaxis.set_major_locator(xlocator)
ax1.xaxis.set_major_formatter(mdates.DateFormatter('%d/%m/%y %H:%M:%S'))

ax2 = df2.plot(x='Timestamp', y='Value', ax=axes[1])
xlocator = mdates.SecondLocator(interval = 15)
ax2.xaxis.set_major_locator(xlocator)
ax2.xaxis.set_major_formatter(mdates.DateFormatter('%d/%m/%y %H:%M:%S'))

vi1 = ax1.xaxis.get_view_interval()
vi2 = ax2.xaxis.get_view_interval()
if vi1.ptp() > vi2.ptp():
    ax2.set_xlim(vi2.mean() - vi1.ptp() / 2, vi2.mean() + vi1.ptp() / 2)
else:
    ax1.set_xlim(vi1.mean() - vi2.ptp() / 2, vi1.mean() + vi2.ptp() / 2)

您也可以使用get_view_interval() 而不是get_view_interval()，但前者的优点是将区间作为一个numpy 数组返回，这使得新区间的计算更容易一些。

如果您不想居中但两个数据都从左边缘开始，您可以简单地使用：

if vi1.ptp() > vi2.ptp():
    ax2.set_xlim(vi2[0], vi2[0] + vi1.ptp())
else:
    ax1.set_xlim(vi1[0], vi1[0] + vi2.ptp())

【讨论】：