使用 pandas 和 Matplotlib 自定义日期时间索引的分组条形图

Question

我想创建一个显示自定义日期时间索引的分组条形图 - 仅显示月份和年份，而不是完整日期。我希望条形图被分组而不是堆叠。

我认为 pandas 可以轻松处理这个问题，使用：

import pandas as pd
import matplotlib.pylab as plt
import matplotlib.dates as mdates

testdata = pd.DataFrame({"A": [1, 2, 3]
                       ,"B": [2, 3, 1]
                       , "C": [2, 3, 1]}  
                       ,index=pd.to_datetime(pd.DatetimeIndex(
                            data=["2019-03-02", "2019-04-01","2019-05-01"])))
ax = testdata.plot.bar()

这会创建我想要的情节，我只想将日期更改为更简单的内容，例如 2019 年 3 月、2019 年 4 月、2019 年 5 月。

我认为使用自定义日期格式化程序会起作用，因此我尝试了

ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b %Y'))

但是我的标签已经完全消失了。而this question 暗示 pandas 和 DateFormatter 的关系有点困难。因此我尝试使用 Matplotlib 基础知识：

fig, ax = plt.subplots()
width = 0.8
ax.bar(testdata.index, testdata["A"]) 
ax.bar(testdata.index, testdata["B"])
ax.bar(testdata.index, testdata["C"])
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b %Y'))
plt.show()

现在日期表示符合预期（尽管可以减少空格），但数据重叠，这无济于事。

由于我使用的 DateTime-Index，定义宽度并从 x 值中减去它（如通常建议的那样）将无济于事。我收到一个错误，即不支持减去 DatetimeIndes 和 float。

fig, ax = plt.subplots()
width = 0.8
ax.bar(testdata.index-width, testdata["A"]) 
ax.bar(testdata.index, testdata["B"])
ax.bar(testdata.index+width, testdata["C"])
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b %Y'))
plt.show()

所以现在我的想法已经不多了，希望得到输入

Answer 1

Pandas 条形图是分类的。所以也许你想多了，只是想用你想看到的字符串作为轴上的类别标签作为索引？

import pandas as pd
import matplotlib.pyplot as plt

df = pd.DataFrame({"A": [1, 2, 3]
                       ,"B": [2, 3, 1]
                       , "C": [2, 3, 1]}  
                       ,index=pd.to_datetime(pd.DatetimeIndex(
                            data=["2019-03-02", "2019-04-01","2019-05-01"])))

df.index = [d.strftime("%b %Y") for d in df.index]
ax = df.plot.bar()
plt.show()

Answer 2

ax.xaxis.set_major_locator(mdates.MonthLocator()) 失败的原因是，在后台，pandas 会根据range(len(df)) 绘制条形图，然后相应地重命名刻度。

您可以在绘制后抓取 xticklabels，然后重新格式化：

ax = testdata.plot.bar()

ticks = [tick.get_text() for tick in ax.get_xticklabels()]
ticks = pd.to_datetime(ticks).strftime('%b %Y')
ax.set_xticklabels(ticks)

它给出的结果与 ImpotanceOfBeingErnest 的结果相同：

另一种可能更好的方法是移动每列的条形。当您有很多列并希望减少 xticks 的数量时，这会更好。

fig, ax = plt.subplots()

# define the shift
shift = pd.to_timedelta('1D')

# modify the base of each columns, can do with a for loop
ax.bar(testdata.index + shift, testdata["A"]) 
ax.bar(testdata.index, testdata["B"])
ax.bar(testdata.index - shift, testdata["C"])
ax.xaxis.set_major_locator(mdates.MonthLocator())
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b %Y'))
plt.show()

输出：