Matplotlib X轴日期显示

时间是非常重要的，因为每一个人的时间都是一样的，对于所有人都是公平的，但是每一个人在每一个时间单位里创造的价值是不一样的。比如马云每个小时创造的价值可能是1万元，而普通工人可能是每小时10元，差距是非常大的，要比较这种差距，关键是在于时间的计量，只有在相同的时间才可以比较。又比如说在历史长河里，每一百年创造多少价值，也是需要通过时间轴来进行比较，才明显地看出历史的变化。又比如双11光棍节的销售额，如果要把近几年的时间画成曲线，也需要使用时间轴。可见，现实生活里，很多数据都与时间相关，并且沿着时间轴进行，要查看历史数据，才能明白过去情况，才能了解现在所处的位置，才能判断未来走向何处。其实，这就是人生的三大哲学问题，从何处来，现在位于何处，未来走向哪里去。由此看来，时间是非常重要的一条轴，观察很多数据都需要使用时间来表示，接着下来的内容就是非常重要的了，因为解决了大部分时间与众多数据关系的显示问题，也让大家明白时间的变化，各种因素是如何变化的。

解决上述的问题，首先就是怎么样把X轴的坐标改为日期显示，前面介绍的都是普通的数据，比如10分钟，10小时等等，这样的时间。现在需要按20/01/01来表2000年1月1日，又需要怎么样设置呢？因此，需要修改matplotlib的X轴坐标的表示方式，要改变它的格式，接着要改变画图的方式，让时间与数据对应的关系改变。

使用文字来描述比较困难的，还是先来看一下例子的结果：

从上图看到X轴是日期表示，它是从2000年1月1日开始，直到2021年1月1日，刚好一年的时间，在一年时间数据的变化情况。在这个例子里，Y轴的数据是采用随机生成的，每次运行的数据会不一样，因此显示的图也不一样，如果你运行代码后，发现图与本文里的不一样，不要见怪。要实现这样日期显示，又需要我们去做什么样的工作才可以呢？因为matplotlib默认的坐标显示，不是日期方式的，因此需要做多一些工作。

接着下来详细地解析一下例子的代码：

import matplotlib.dates as mdates

这行代码导入matplotlib日期处理模块，它的内容比较多，包含的内容如下图：

matplotlib.dates模块提供了复杂的日期显示功能，支持python里时间库datetime和常用的时间工具库dateutil。matplotlib提供的时间表示，是采用浮点数的方式来表示，表示从1970年1月1日0点开始的时间段。比如1970年1月1日 6点，用浮点数表示为0.25天。由于格式化对象使用datetime.datetime对象来表示，因此日期只能表示从0001年到9999年。如果按微秒来表示，只能表示70年范围左右。如果按20微秒的尺度来表示，就可以到9999年左右。如果想改变表示的精度，可以通过dates.set_epoch 或 rcParams[“dates.epoch”]来设置。这个库的内容比较多，后面再介绍其它内容。

import datetime

这行代码是导入python的日期表示模块，由于matplotlib支持日期显示模块。同时datetime模块也是比较常用的模块，对于python开发人员来说，这个模块是必须学习的，也是使用比较熟悉的。

host.xaxis.set_major_formatter(mdates.DateFormatter("%y/%m/%d"))

这行代码是设置X轴主刻度显示的格式，也就是说把浮点数表示的时间按字符串”%y/%m/%d”的格式化，相当于年/月/日的表示方式。在这里使用mdates.DateFormatter，它是一个类定义：

class matplotlib.dates.DateFormatter(fmt, tz=None)

这个类主要使用strftime的格式字符串来格化时间为日期表示。如果对strftime不太了解，可以参考下面的连接：

https://docs.python.org/3/library/datetime.html#datetime.datetime.strftime

具体格式是这样表示：

python中时间日期格式化符号：

• %y 两位数的年份表示（00-99）

• %Y 四位数的年份表示（000-9999）

• %m 月份（01-12）

• %d 月内中的一天（0-31）

• %H 24小时制小时数（0-23）

• %I 12小时制小时数（01-12）

• %M 分钟数（00=59）

• %S 秒（00-59）

• %a 本地简化星期名称

• %A 本地完整星期名称

• %b 本地简化的月份名称

• %B 本地完整的月份名称

• %c 本地相应的日期表示和时间表示

• %j 年内的一天（001-366）

• %p 本地A.M.或P.M.的等价符

• %U 一年中的星期数（00-53）星期天为星期的开始

• %w 星期（0-6），星期天为星期的开始

• %W 一年中的星期数（00-53）星期一为星期的开始

• %x 本地相应的日期表示

• %X 本地相应的时间表示

• %Z 当前时区的名称

• %% %号本身

因此%y/%m/%d就是表示两位年份，月份，月内中的一天。

host.xaxis.set_major_formatter，这个函数是把格式化的对象设置到主刻度里，它的定义如下：

Axis.set_major_formatter(self, formatter)

其中参数formatter可以是一个日期格式表示字符串，也可以一个函数。

host.xaxis.set_minor_locator(mdates.MonthLocator())

这行代码主要设置次要刻度的表示，按照月份来表示。如果不设置这行代码，就会显示如下：

如果设置了，显示为这样：

由此可见，多了次要刻度来表示中间不显示的月份，比如2月、4月等等。

host.tick_params(axis = "both", direction = "out", labelsize = 10)

这行代码是设置坐标轴上的刻度线的方向，其中参数axis = “both”是表示设置X轴和Y轴，两条轴都同时设置；参数direction = “out”表示刻度线从坐标轴指向哪里，这里使用out是表示从图像指向外面，如果设置为in表示从外面指向图像。参数labelsize = 10是表示设置坐标轴显示刻度值的字体大小。

date1 = datetime.date(2020, 1, 1)

date2 = datetime.date(2021, 1, 1)

delta = datetime.timedelta(days = 5)

dates = mdates.drange(date1, date2, delta)

print(dates)

这段代码是表示设置日期的范围，其中mdates.drange函数是表示返回从开始日期到结束日间的浮点数表示的日期列表，比如这里返回如下：

[737425. 737430. 737435. 737440. 737445. 737450. 737455. 737460. 737465.

\737470. 737475. 737480. 737485. 737490. 737495. 737500. 737505. 737510.

\737515. 737520. 737525. 737530. 737535. 737540. 737545. 737550. 737555.

\737560. 737565. 737570. 737575. 737580. 737585. 737590. 737595. 737600.

\737605. 737610. 737615. 737620. 737625. 737630. 737635. 737640. 737645.

\737650. 737655. 737660. 737665. 737670. 737675. 737680. 737685. 737690.

\737695. 737700. 737705. 737710. 737715. 737720. 737725. 737730. 737735.

\737740. 737745. 737750. 737755. 737760. 737765. 737770. 737775. 737780.

\737785. 737790.]

后面就可以把这个列表当作X轴的坐标。

y = np.random.normal(100, 15, len(dates))

这行代码是使用正态分布的随机函数生成len(dates)个数据。

host.plot_date(dates, y, 'b-', alpha = 0.7)

这行代码是把随机生成的数据放到Y轴，把日期放到X轴进行绘图，曲线的颜色为蓝色，透明度为0.7。

fig.autofmt_xdate()

这行代码是把X轴的日期自适应地调整显示，否则日期会盖住X轴，或者刻度线。当调用这个函数之后，可以把日期按最合适的方式调整，比如日期倾斜一定角度显示。

到这里就把整个日期的代码学习完成了，下面把整个完整的代码如下：

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime

#
fig, host = plt.subplots()  #创建子图
host.grid(False)

#
host.xaxis.set_major_formatter(mdates.DateFormatter("%y/%m/%d"))
host.xaxis.set_minor_locator(mdates.MonthLocator())
host.tick_params(axis = "both", direction = "out", labelsize = 10)

date1 = datetime.date(2020, 1, 1)
date2 = datetime.date(2021, 1, 1)
delta = datetime.timedelta(days = 5)
dates = mdates.drange(date1, date2, delta)
print(dates)

y = np.random.normal(100, 15, len(dates))
host.plot_date(dates, y, 'b-', alpha = 0.7)

fig.autofmt_xdate()

plt.tight_layout()
plt.show()