<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:dc="http://purl.org/dc/elements/1.1/">
  <channel>
    <title>DEV Community: Tianren Sun</title>
    <description>The latest articles on DEV Community by Tianren Sun (@str311).</description>
    <link>https://dev.to/str311</link>
    <image>
      <url>https://media2.dev.to/dynamic/image/width=90,height=90,fit=cover,gravity=auto,format=auto/https:%2F%2Fdev-to-uploads.s3.us-east-2.amazonaws.com%2Fuploads%2Fuser%2Fprofile_image%2F4252431%2Ff721dc61-5329-4c34-a448-3a3dcc650847.jpg</url>
      <title>DEV Community: Tianren Sun</title>
      <link>https://dev.to/str311</link>
    </image>
    <atom:link rel="self" type="application/rss+xml" href="https://dev.to/feed/str311"/>
    <language>en</language>
    <item>
      <title>Pandas PyPlot Quick Search and Apply</title>
      <dc:creator>Tianren Sun</dc:creator>
      <pubDate>Wed, 18 Nov 2026 18:17:27 +0000</pubDate>
      <link>https://dev.to/str311/pandas-pyplot-quick-search-and-apply-4idi</link>
      <guid>https://dev.to/str311/pandas-pyplot-quick-search-and-apply-4idi</guid>
      <description>&lt;p&gt;`# Matplotlib 绘图速查：用电力数据练习&lt;/p&gt;

&lt;h1&gt;
  
  
  这份绘图练习读取同目录的 energy_dataset.csv，不会修改源数据。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  按顺序阅读或执行各示例后，可以反复修改某个例子里的颜色、刻度和布局。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  使用范围：只用 pandas 整理数据，用 Matplotlib（plt / ax）画图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  中文用于解释，图内使用英文，避免电脑缺少中文字体时出现方框。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  01—03：plt、fig、ax 和基本折线。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  04—10：直方图、柱状图、横向条形图、散点图、箱线图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  11—12：饼图与环形图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  13—18：数据索引、刻度、日期、数字格式、隐藏标签、纵轴范围。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  19—22：多子图、共享坐标、双纵轴、标注与参考线。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  23：保存图片。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  折线图：ax.plot(x, y)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  直方图：ax.hist(values, bins=30)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  柱状图 / 横向条形图：ax.bar(x, y) / ax.barh(y, x)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  散点图：ax.scatter(x, y)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  箱线图：ax.boxplot(groups)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  饼图：ax.pie(values)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  标题、轴名称：ax.set_title()、ax.set_xlabel()、ax.set_ylabel()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  刻度位置、显示文字：ax.set_xticks()、ax.set_xticklabels()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  坐标范围：ax.set_xlim()、ax.set_ylim()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  图例、网格：ax.legend()、ax.grid()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  多子图：plt.subplots(rows, columns)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  注意：图中所有小时、日期、星期均按 UTC 计算。 原始时间先统一为 UTC；这里没有假定当地时区。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  确认数据对应地区后，可在准备统计数据之前使用 df = df.tz_convert("已确认的时区")。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  DateFormatter 只调整显示样式，不会自动把数据变成当地时间。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  00. 准备数据：后面的例子共用这些变量
&lt;/h1&gt;

&lt;h1&gt;
  
  
  主体只使用实际负荷、预测负荷、实际价格、日前价格四列。饼图另用四类发电数据。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  缺失值保留为缺失：分组均值会跳过它们；散点图成对排除缺失；不会用零填补。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  每日均值可能受到当天有效记录数量影响，做正式分析时需要一起检查 daily_count。
&lt;/h1&gt;

&lt;p&gt;from pathlib import Path&lt;br&gt;
import numpy as np&lt;br&gt;
import pandas as pd&lt;br&gt;
import matplotlib.pyplot as plt&lt;br&gt;
import matplotlib.dates as mdates&lt;br&gt;
from matplotlib.ticker import MultipleLocator, FuncFormatter&lt;/p&gt;

&lt;p&gt;plt.rcParams.update({&lt;br&gt;
    "figure.figsize": (10, 4),&lt;br&gt;
    "figure.dpi": 100,&lt;br&gt;
    "axes.titlesize": 13,&lt;br&gt;
    "axes.labelsize": 11,&lt;br&gt;
})&lt;/p&gt;

&lt;p&gt;csv_path = Path("energy_dataset.csv")&lt;br&gt;
df = pd.read_csv(csv_path)&lt;br&gt;
df["time"] = pd.to_datetime(df["time"], utc=True)&lt;br&gt;
df = df.sort_values("time").set_index("time")&lt;/p&gt;

&lt;p&gt;core_columns = [&lt;br&gt;
    "total load actual", "total load forecast",&lt;br&gt;
    "price actual", "price day ahead",&lt;br&gt;
]&lt;br&gt;
daily = df[core_columns].resample("D").mean()&lt;br&gt;
daily_count = df["total load actual"].resample("D").count()&lt;br&gt;
daily_2017 = daily.loc["2017"]&lt;br&gt;
week = df.loc["2017-01-02":"2017-01-08", core_columns]&lt;/p&gt;

&lt;p&gt;hourly_load = df.groupby(df.index.hour)["total load actual"].mean()&lt;br&gt;
week_order = [&lt;br&gt;
    "Monday", "Tuesday", "Wednesday", "Thursday",&lt;br&gt;
    "Friday", "Saturday", "Sunday",&lt;br&gt;
]&lt;br&gt;
weekday_load = (&lt;br&gt;
    df.groupby(df.index.day_name())["total load actual"]&lt;br&gt;
      .mean().reindex(week_order)&lt;br&gt;
)&lt;br&gt;
weekday_compare = (&lt;br&gt;
    df.groupby(df.index.day_name())[&lt;br&gt;
        ["total load actual", "total load forecast"]&lt;br&gt;
    ].mean().reindex(week_order)&lt;br&gt;
)&lt;/p&gt;

&lt;p&gt;print("Rows and columns:", df.shape)&lt;br&gt;
print("Timezone:", df.index.tz)&lt;br&gt;
display(df[core_columns].head())&lt;br&gt;
display(weekday_compare)&lt;/p&gt;

&lt;h1&gt;
  
  
  01. 最简单的 plt 折线图
&lt;/h1&gt;

&lt;h1&gt;
  
  
  plt.plot() 直接在当前图上画线。适合快速检查一个变量。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  这里是一年中每天的平均负荷；resample("D") 保留日期的先后变化。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  它与 groupby(df.index.hour) 的“平均日内曲线”含义不同。
&lt;/h1&gt;

&lt;p&gt;plt.figure(figsize=(11, 4))&lt;br&gt;
plt.plot(&lt;br&gt;
    daily_2017.index,&lt;br&gt;
    daily_2017["total load actual"],&lt;br&gt;
    color="tab:blue", linewidth=1,&lt;br&gt;
)&lt;br&gt;
plt.title("Daily mean load in 2017 (UTC)")&lt;br&gt;
plt.xlabel("Date")&lt;br&gt;
plt.ylabel("Mean load")&lt;br&gt;
plt.grid(axis="y", alpha=0.25)&lt;br&gt;
plt.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  02. fig 和 ax：一张图上叠加两组数据
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig 是整张画布，ax 是其中一个绘图区。plt.subplots() 只有一个子图时，ax 是单个对象。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  在同一个 ax 上调用两次 plot()，就会叠加两条线。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  两个变量单位相同，可共用纵轴。label= 配合 ax.legend() 显示图例。
&lt;/h1&gt;

&lt;p&gt;fig, ax = plt.subplots(figsize=(12, 4))&lt;br&gt;
ax.plot(week.index, week["total load actual"],&lt;br&gt;
        label="Actual load", color="tab:blue", linewidth=1.5)&lt;br&gt;
ax.plot(week.index, week["total load forecast"],&lt;br&gt;
        label="Forecast load", color="tab:orange", linestyle="--", alpha=0.85)&lt;br&gt;
ax.set_title("Actual vs forecast load: one week (UTC)")&lt;br&gt;
ax.set_xlabel("Date")&lt;br&gt;
ax.set_ylabel("Load")&lt;br&gt;
ax.legend(loc="upper left", ncol=2, frameon=False)&lt;br&gt;
ax.grid(axis="y", alpha=0.25)&lt;br&gt;
fig.autofmt_xdate(rotation=30)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  03. 折线样式：点、颜色、线型，以及两组日内曲线
&lt;/h1&gt;

&lt;h1&gt;
  
  
  工作日与周末分别按 UTC 小时取均值，在同一张图对比。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  常用参数：color 颜色、linestyle 线型、linewidth 线宽、marker 数据点、alpha 透明度。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  set_xticks() 设置刻度位置；它不会改变分组数据。
&lt;/h1&gt;

&lt;p&gt;profile_data = df[["total load actual"]].copy()&lt;br&gt;
profile_data["hour"] = profile_data.index.hour&lt;br&gt;
profile_data["is_weekend"] = profile_data.index.dayofweek &amp;gt;= 5&lt;br&gt;
hourly_compare = profile_data.groupby(&lt;br&gt;
    ["hour", "is_weekend"]&lt;br&gt;
)["total load actual"].mean().unstack("is_weekend")&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots()&lt;br&gt;
ax.plot(hourly_compare.index, hourly_compare[False],&lt;br&gt;
        marker="o", markersize=4, label="Weekday", color="tab:blue")&lt;br&gt;
ax.plot(hourly_compare.index, hourly_compare[True],&lt;br&gt;
        marker="s", markersize=4, linestyle="--",&lt;br&gt;
        label="Weekend", color="tab:orange")&lt;br&gt;
ax.set(title="Mean hourly load: weekday vs weekend (UTC)",&lt;br&gt;
       xlabel="Hour (UTC)", ylabel="Mean load")&lt;br&gt;
ax.set_xticks(range(0, 24, 3))&lt;br&gt;
ax.set_xlim(0, 23)&lt;br&gt;
ax.legend()&lt;br&gt;
ax.grid(alpha=0.2)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;br&gt;
display(hourly_compare)&lt;/p&gt;

&lt;h1&gt;
  
  
  04. hist：看单个变量的分布
&lt;/h1&gt;

&lt;h1&gt;
  
  
  hist() 的横轴是价格区间，纵轴默认是样本数量。bins 控制分箱数量。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  这与每个类别一根柱子的 bar() 含义不同。先试 bins=10，再试 bins=60，观察细节变化。
&lt;/h1&gt;

&lt;p&gt;values = df["price actual"].dropna()&lt;br&gt;
fig, ax = plt.subplots()&lt;br&gt;
ax.hist(values, bins=30, color="tab:blue", edgecolor="white", alpha=0.85)&lt;br&gt;
ax.set(title="Distribution of actual price", xlabel="Price", ylabel="Count")&lt;br&gt;
ax.grid(axis="y", alpha=0.2)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  05. 同一张图叠加两组直方图
&lt;/h1&gt;

&lt;h1&gt;
  
  
  用相同的 bins 边界公平比较两个分布，alpha 让重叠部分可见。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  density=True 把总面积归一化为 1，纵轴是密度，不是某个价格的概率。
&lt;/h1&gt;

&lt;p&gt;prices = df[["price actual", "price day ahead"]].dropna()&lt;br&gt;
bins = np.linspace(prices.min().min(), prices.max().max(), 31)&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots()&lt;br&gt;
ax.hist(prices["price actual"], bins=bins, density=True,&lt;br&gt;
        alpha=0.5, label="Actual price", color="tab:blue")&lt;br&gt;
ax.hist(prices["price day ahead"], bins=bins, density=True,&lt;br&gt;
        alpha=0.5, label="Day-ahead price", color="tab:orange")&lt;br&gt;
ax.set(title="Two price distributions", xlabel="Price", ylabel="Density")&lt;br&gt;
ax.legend()&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  06. bar：类别对比、短标签、柱顶数值
&lt;/h1&gt;

&lt;h1&gt;
  
  
  星期是有顺序的类别。柱高用于比较大小，纵轴从 0 开始。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  bar_label() 给每根柱子加数值，padding 调整文字距离。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  类别显示为缩写，数据中完整的星期名称不变。
&lt;/h1&gt;

&lt;p&gt;positions = np.arange(len(weekday_load))&lt;br&gt;
short_days = [name[:3] for name in weekday_load.index]&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots()&lt;br&gt;
bars = ax.bar(short_days, weekday_load.values, color="tab:blue", width=0.65)&lt;/p&gt;

&lt;h1&gt;
  
  
  ax.set_xticks(positions)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.set_xticklabels(short_days)
&lt;/h1&gt;

&lt;p&gt;ax.bar_label(bars, fmt="%.0f", padding=3, fontsize=9)&lt;br&gt;
ax.set_ylim(0, weekday_load.max() * 1.15)&lt;br&gt;
ax.set(title="Mean load by weekday (UTC)", xlabel="Weekday", ylabel="Mean load")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  07. 分组柱状图：两组柱子并排对比
&lt;/h1&gt;

&lt;h1&gt;
  
  
  用数字表示每组的位置，再给两组柱子各加减半个柱宽。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  如果都用同一个 x 位置，两组柱子会重叠。这里比较每个星期几的实际负荷与预测负荷。
&lt;/h1&gt;

&lt;p&gt;positions = np.arange(len(week_order))&lt;br&gt;
width = 0.36&lt;/p&gt;

&lt;h1&gt;
  
  
  正常的matplot会自动分配0-n，所以单个柱子没有影响，但是柱子多了，就会重叠，这个时候最好使用数值直接标记
&lt;/h1&gt;

&lt;p&gt;fig, ax = plt.subplots()&lt;br&gt;
ax.bar(positions - width / 2, weekday_compare["total load actual"],&lt;br&gt;
       width=width, label="Actual", color="tab:blue")&lt;br&gt;
ax.bar(positions + width / 2, weekday_compare["total load forecast"],&lt;br&gt;
       width=width, label="Forecast", color="tab:orange")&lt;br&gt;
ax.set_xticks(positions)&lt;br&gt;
ax.set_xticklabels([name[:3] for name in week_order])&lt;br&gt;
ax.set_ylim(bottom=0)&lt;br&gt;
ax.set(title="Actual vs forecast mean load (UTC)",&lt;br&gt;
       xlabel="Weekday", ylabel="Mean load")&lt;br&gt;
ax.legend()&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;br&gt;
display(weekday_compare["total load forecast"])&lt;/p&gt;

&lt;h1&gt;
  
  
  08. barh：字段名很长时横过来画
&lt;/h1&gt;

&lt;h1&gt;
  
  
  长列名用 barh() 通常更容易阅读。先排序再画，使大小关系直观。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  这里展示四个主要字段的缺失数量，零值也是有效的统计结果。
&lt;/h1&gt;

&lt;p&gt;missing = df[core_columns].isna().sum().sort_values()&lt;br&gt;
fig, ax = plt.subplots(figsize=(10, 3.5))&lt;br&gt;
bars = ax.barh(missing.index, missing.values, color="tab:orange")&lt;br&gt;
ax.bar_label(bars, padding=4)&lt;br&gt;
ax.set_xlim(0, max(missing.max(), 1) * 1.2)&lt;br&gt;
ax.set(title="Missing values in four selected columns", xlabel="Missing count")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  09. scatter：两个变量是否一起变化
&lt;/h1&gt;

&lt;h1&gt;
  
  
  每个点表示一个小时。横轴是负荷，纵轴是价格。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  为减少遮挡，仅抽取最多 2,000 条完整记录演示；random_state 保持每次抽样一致。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  s 是点的大小，alpha 是透明度。散点图中的相关形态不能直接证明因果。
&lt;/h1&gt;

&lt;p&gt;scatter_data = df[["total load actual", "price actual"]].dropna()&lt;br&gt;
scatter_sample = scatter_data.sample(n=min(2000, len(scatter_data)), random_state=7)&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots()&lt;br&gt;
ax.scatter(scatter_sample["total load actual"], scatter_sample["price actual"],&lt;br&gt;
           s=12, alpha=0.25, color="tab:blue", edgecolors="none")&lt;br&gt;
ax.set(title="Actual load vs actual price (sample)",&lt;br&gt;
       xlabel="Actual load", ylabel="Actual price")&lt;br&gt;
ax.grid(alpha=0.2)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  10. boxplot：各月份的分布与波动
&lt;/h1&gt;

&lt;h1&gt;
  
  
  每个月把所有非缺失小时负荷作为一组，跨年份合并。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  箱体表示第 25% 到第 75% 分位数，中线表示中位数。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  默认须线延伸到距箱体不超过 1.5 倍 IQR 的最远观测；须线外的点不是自动应删除的错误。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  尝试 showfliers=False 可以隐藏这些点，但不会删除数据。
&lt;/h1&gt;

&lt;p&gt;month_groups = [&lt;br&gt;
    df.loc[df.index.month == month, "total load actual"].dropna().values&lt;br&gt;
    for month in range(1, 13)&lt;br&gt;
]&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots(figsize=(11, 4))&lt;br&gt;
ax.boxplot(month_groups, showfliers=True,&lt;br&gt;
           flierprops={"markersize": 2, "alpha": 0.2})&lt;br&gt;
ax.set_xticks(range(1, 13))&lt;br&gt;
ax.set_xticklabels([str(month) for month in range(1, 13)])&lt;br&gt;
ax.set(title="Hourly load distribution by month (UTC)",&lt;br&gt;
       xlabel="Month", ylabel="Actual load")&lt;br&gt;
ax.grid(axis="y", alpha=0.2)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  11. pie：饼图展示组成
&lt;/h1&gt;

&lt;h1&gt;
  
  
  饼图适合少量非负类别的组成，不适合价格变化或变量相关关系。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  这里使用共同有记录的小时，计算四类发电量的均值，再展示它们之间的占比。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  分母仅包含这四类，不能解释为完整的发电结构。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  autopct 显示百分比，startangle 设置起始角度，axis("equal") 保持圆形。
&lt;/h1&gt;

&lt;p&gt;generation_columns = [&lt;br&gt;
    "generation fossil gas", "generation nuclear",&lt;br&gt;
    "generation wind onshore", "generation solar",&lt;br&gt;
]&lt;br&gt;
generation_means = df[generation_columns].dropna().mean()&lt;br&gt;
generation_labels = ["Gas", "Nuclear", "Wind", "Solar"]&lt;br&gt;
generation_colors = ["#ee9966", "#8a8acb", "#65b5a5", "#edc65f"]&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots(figsize=(7, 5))&lt;br&gt;
ax.pie(generation_means, labels=generation_labels,&lt;br&gt;
       autopct="%.1f%%", startangle=90, colors=generation_colors,&lt;br&gt;
       wedgeprops={"edgecolor": "white"})&lt;br&gt;
ax.set_title("Mean generation shares: four selected sources only")&lt;br&gt;
ax.axis("equal")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;br&gt;
display(generation_means)&lt;/p&gt;

&lt;h1&gt;
  
  
  12. 环形图：饼图中间留空，图例放到外侧
&lt;/h1&gt;

&lt;h1&gt;
  
  
  环形图仍然使用 pie()，通过 wedgeprops={"width": ...} 控制圆环宽度。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  bbox_to_anchor 配合 loc 将图例放在绘图区外；为图例留出右侧空间。
&lt;/h1&gt;

&lt;p&gt;fig, ax = plt.subplots(figsize=(8, 4.5))&lt;br&gt;
wedges, texts, percentages = ax.pie(&lt;br&gt;
    generation_means.values, labels=None, autopct="%.1f%%",&lt;br&gt;
    startangle=90, pctdistance=0.8, colors=generation_colors,&lt;br&gt;
    wedgeprops={"width": 0.4, "edgecolor": "white"},&lt;br&gt;
)&lt;br&gt;
ax.text(0, 0, "Selected\n4 sources", ha="center", va="center", fontsize=12)&lt;br&gt;
ax.legend(wedges, generation_labels, loc="center left",&lt;br&gt;
          bbox_to_anchor=(1.02, 0.5), frameon=False)&lt;br&gt;
ax.set_title("Shares among four selected sources")&lt;br&gt;
ax.axis("equal")&lt;br&gt;
fig.subplots_adjust(right=0.76)&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  刻度之前，先区分三种东西
&lt;/h1&gt;

&lt;h1&gt;
  
  
  数据的 index：pandas 中每行的标签，例如时间或星期；set_index()、sort_index()、reindex()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  刻度位置：坐标轴上在哪些位置画小刻度；ax.set_xticks(...)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  刻度标签：小刻度旁显示什么文字；ax.set_xticklabels(...) / formatter
&lt;/h1&gt;

&lt;h1&gt;
  
  
  改显示文字不会改变数据。reindex() 按已有标签匹配，不是给数字索引自动换名字。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  对星期名称排序时，先用 day_name() 分组，再 reindex(week_order)。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  13. 索引与横轴：不传 x 会发生什么
&lt;/h1&gt;

&lt;h1&gt;
  
  
  左图只传入数值，Matplotlib 用 0、1、2……作为横轴。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  右图明确传入日期索引，横轴才表达真实日期。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  两张图的 y 完全相同；这里不修改原始索引。
&lt;/h1&gt;

&lt;p&gt;selected = daily_2017["total load actual"].iloc[:14]&lt;br&gt;
fig, axes = plt.subplots(1, 2, figsize=(12, 3.5), sharey=True)&lt;br&gt;
axes[0].plot(selected.values, marker="o", markersize=3)&lt;br&gt;
axes[0].set(title="Only y: x is row position", xlabel="Position", ylabel="Mean load")&lt;br&gt;
axes[1].plot(selected.index, selected.values, marker="o", markersize=3)&lt;br&gt;
axes[1].set(title="Explicit x: date index", xlabel="Date (UTC)")&lt;br&gt;
axes[1].xaxis.set_major_locator(mdates.DayLocator(interval=4))&lt;br&gt;
axes[1].xaxis.set_major_formatter(mdates.DateFormatter("%m-%d"))&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  14. 日期太密：减少日期刻度并格式化
&lt;/h1&gt;

&lt;h1&gt;
  
  
  日期轴通常不需要手动给每一行设置标签。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  左图每两个月显示一次，右图让 Matplotlib 自动选择并简化日期显示。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  rotation 旋转文字，tight_layout() 给标题和标签留空间。
&lt;/h1&gt;

&lt;p&gt;fig, axes = plt.subplots(1, 2, figsize=(13, 3.5), sharey=True)&lt;br&gt;
for ax in axes:&lt;br&gt;
    ax.plot(daily_2017.index, daily_2017["total load actual"], linewidth=1)&lt;br&gt;
    ax.set_xlabel("Date (UTC)")&lt;/p&gt;

&lt;p&gt;axes[0].xaxis.set_major_locator(mdates.MonthLocator(interval=2))&lt;br&gt;
axes[0].xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m"))&lt;br&gt;
axes[0].tick_params(axis="x", labelrotation=35)&lt;br&gt;
axes[0].set_title("One tick every two months")&lt;br&gt;
axes[0].set_ylabel("Mean load")&lt;/p&gt;

&lt;p&gt;locator = mdates.AutoDateLocator(minticks=4, maxticks=7)&lt;br&gt;
axes[1].xaxis.set_major_locator(locator)&lt;br&gt;
axes[1].xaxis.set_major_formatter(mdates.ConciseDateFormatter(locator))&lt;br&gt;
axes[1].set_title("Automatic concise date labels")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  15. 数字刻度：每隔三小时显示一个值
&lt;/h1&gt;

&lt;h1&gt;
  
  
  MultipleLocator(3) 表示主刻度间隔为 3。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  set_xlim() 只控制看到的范围，不会改变均值计算，也不会删除原始记录。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  直接设置 ax.set_xticks(range(0, 24, 3)) 也可以。
&lt;/h1&gt;

&lt;p&gt;fig, ax = plt.subplots()&lt;br&gt;
ax.plot(hourly_load.index, hourly_load.values, marker="o", markersize=4)&lt;br&gt;
ax.xaxis.set_major_locator(MultipleLocator(3))&lt;br&gt;
ax.set_xlim(0, 23)&lt;br&gt;
ax.set(title="Mean hourly load (UTC)", xlabel="Hour (UTC)", ylabel="Mean load")&lt;br&gt;
ax.tick_params(axis="both", labelsize=10, length=4)&lt;br&gt;
ax.grid(axis="x", alpha=0.2)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  16. 纵轴数字更好看：千分位或 k 单位
&lt;/h1&gt;

&lt;h1&gt;
  
  
  FuncFormatter 只改变显示文字，数据本身仍然是原来的数值。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  左图显示 30,000，右图显示 30.0k；右图轴名称说明使用了千单位。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  若出现不想要的科学计数法，可在默认数字轴上使用
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.ticklabel_format(axis="y", style="plain", useOffset=False)。
&lt;/h1&gt;

&lt;p&gt;fig, axes = plt.subplots(1, 2, figsize=(12, 3.5))&lt;br&gt;
for ax in axes:&lt;br&gt;
    ax.plot(hourly_load.index, hourly_load.values)&lt;br&gt;
    ax.set_xlabel("Hour (UTC)")&lt;br&gt;
    ax.set_xticks(range(0, 24, 6))&lt;/p&gt;

&lt;p&gt;axes[0].yaxis.set_major_formatter(FuncFormatter(lambda value, position: f"{value:,.0f}"))&lt;br&gt;
axes[0].set(title="Thousands separator", ylabel="Mean load")&lt;br&gt;
axes[1].yaxis.set_major_formatter(FuncFormatter(lambda value, position: f"{value / 1000:.1f}k"))&lt;br&gt;
axes[1].set(title="Short labels", ylabel="Mean load (k = 1,000)")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  17. 隐藏 x / y 的文字、刻度或整个坐标轴
&lt;/h1&gt;

&lt;h1&gt;
  
  
  三张图使用相同数据，对比三种隐藏方式。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  仅隐藏刻度文字：tick_params(labelbottom=False, labelleft=False)，保留刻度线。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  同时隐藏刻度线与文字：再加 bottom=False, left=False。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  隐藏整个坐标框架：ax.set_axis_off()，适合装饰性小图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  其他常用写法：ax.set_xticks([]) 删除 x 主刻度；ax.set_yticks([]) 删除 y 主刻度；
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.set_xlabel("") 只移除轴名称；ax.spines["top"].set_visible(False) 隐藏上边框。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  在正式数据图中，隐藏后仍需让读者能理解量纲和尺度。
&lt;/h1&gt;

&lt;p&gt;fig, axes = plt.subplots(1, 3, figsize=(13, 3), sharex=True, sharey=True)&lt;br&gt;
for ax in axes:&lt;br&gt;
    ax.plot(hourly_load.index, hourly_load.values)&lt;br&gt;
    ax.set_xticks([0, 6, 12, 18, 23])&lt;/p&gt;

&lt;p&gt;axes[0].tick_params(axis="both", labelbottom=False, labelleft=False)&lt;br&gt;
axes[0].set_title("Hide tick labels")&lt;/p&gt;

&lt;p&gt;axes[1].tick_params(axis="both", bottom=False, left=False,&lt;br&gt;
                    labelbottom=False, labelleft=False)&lt;br&gt;
axes[1].spines["top"].set_visible(False)&lt;br&gt;
axes[1].spines["right"].set_visible(False)&lt;br&gt;
axes[1].set_title("Hide ticks and labels")&lt;/p&gt;

&lt;p&gt;axes[2].set_axis_off()&lt;br&gt;
axes[2].set_title("Hide entire axes")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  18. 同一组数据：纵轴范围如何影响观感
&lt;/h1&gt;

&lt;h1&gt;
  
  
  左右都是同一份星期平均负荷。左边从 0 开始，右边只展示局部范围。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  折线使用局部纵轴有助于看细节，但会让相对变化显得更大，解释时应报告实际差值或百分比。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  柱状图依靠柱长比较数值，一般让纵轴从 0 开始。
&lt;/h1&gt;

&lt;p&gt;positions = np.arange(len(weekday_load))&lt;br&gt;
fig, axes = plt.subplots(1, 2, figsize=(12, 3.5))&lt;br&gt;
for ax in axes:&lt;br&gt;
    ax.plot(positions, weekday_load.values, marker="o")&lt;br&gt;
    ax.set_xticks(positions)&lt;br&gt;
    ax.set_xticklabels([name[:3] for name in week_order])&lt;br&gt;
    ax.set_ylabel("Mean load")&lt;/p&gt;

&lt;p&gt;axes[0].set_ylim(0, weekday_load.max() * 1.1)&lt;br&gt;
axes[0].set_title("Same data: y starts at zero")&lt;br&gt;
axes[1].set_ylim(weekday_load.min() * 0.98, weekday_load.max() * 1.02)&lt;br&gt;
axes[1].set_title("Same data: zoomed y range")&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  19. 一张画布放四张图：2 × 2 子图
&lt;/h1&gt;

&lt;h1&gt;
  
  
  plt.subplots(2, 2) 返回二维 axes：用 axes[0, 0] 选左上角，axes[1, 1] 选右下角。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  axes.flat 可以依次遍历所有子图。四幅图量纲不同，各自设置纵轴。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig.suptitle() 是整张画布的总标题，ax.set_title() 是单个子图的标题。
&lt;/h1&gt;

&lt;p&gt;fig, axes = plt.subplots(2, 2, figsize=(12, 7))&lt;/p&gt;

&lt;p&gt;axes[0, 0].plot(daily_2017.index, daily_2017["total load actual"], linewidth=0.9)&lt;br&gt;
axes[0, 0].set(title="Daily mean load, 2017 (UTC)", ylabel="Mean load")&lt;br&gt;
axes[0, 0].xaxis.set_major_locator(mdates.MonthLocator(interval=3))&lt;br&gt;
axes[0, 0].xaxis.set_major_formatter(mdates.DateFormatter("%b"))&lt;/p&gt;

&lt;p&gt;axes[0, 1].hist(df["price actual"].dropna(), bins=30, edgecolor="white")&lt;br&gt;
axes[0, 1].set(title="Actual price distribution", xlabel="Price", ylabel="Count")&lt;/p&gt;

&lt;p&gt;axes[1, 0].bar([name[:3] for name in week_order], weekday_load.values)&lt;br&gt;
axes[1, 0].set(title="Mean load by weekday (UTC)", ylabel="Mean load")&lt;/p&gt;

&lt;p&gt;axes[1, 1].scatter(scatter_sample["total load actual"], scatter_sample["price actual"],&lt;br&gt;
                   s=8, alpha=0.2, edgecolors="none")&lt;br&gt;
axes[1, 1].set(title="Load vs price (sample)", xlabel="Actual load", ylabel="Actual price")&lt;/p&gt;

&lt;p&gt;for ax in axes.flat:&lt;br&gt;
    ax.spines["top"].set_visible(False)&lt;br&gt;
    ax.spines["right"].set_visible(False)&lt;/p&gt;

&lt;p&gt;fig.suptitle("Four views of the same dataset", fontsize=15)&lt;br&gt;
fig.tight_layout(rect=[0, 0, 1, 0.95])&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  20. 上下对齐比较：共享 x 轴，不共享 y 轴
&lt;/h1&gt;

&lt;h1&gt;
  
  
  负荷和价格使用相同时间轴，上下放置可直接对齐时刻。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  sharex=True 会同步横轴范围，并默认隐藏上图重复的 x 刻度文字。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  两组变量单位不同，所以各用各的纵轴。
&lt;/h1&gt;

&lt;p&gt;fig, axes = plt.subplots(2, 1, figsize=(12, 6), sharex=True)&lt;br&gt;
axes[0].plot(week.index, week["total load actual"], color="tab:blue")&lt;br&gt;
axes[0].set(title="Load and price on aligned time axes (UTC)", ylabel="Actual load")&lt;br&gt;
axes[1].plot(week.index, week["price actual"], color="tab:orange")&lt;br&gt;
axes[1].set(ylabel="Actual price", xlabel="Date (UTC)")&lt;/p&gt;

&lt;p&gt;axes[1].xaxis.set_major_locator(mdates.DayLocator(interval=1))&lt;br&gt;
axes[1].xaxis.set_major_formatter(mdates.DateFormatter("%m-%d"))&lt;br&gt;
for ax in axes:&lt;br&gt;
    ax.grid(axis="y", alpha=0.2)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  21. twinx：同一张图、两套纵轴
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.twinx() 创建共享 x 轴的新绘图区：负荷用左轴，价格用右轴。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  让轴标签颜色与曲线颜色一致，并手动合并两条线的图例。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  两套纵轴的范围可以任意调整，线看起来重合不代表相关性高；对齐子图往往更容易解释。
&lt;/h1&gt;

&lt;p&gt;fig, ax_load = plt.subplots(figsize=(12, 4))&lt;br&gt;
ax_price = ax_load.twinx()&lt;/p&gt;

&lt;p&gt;line_load, = ax_load.plot(week.index, week["total load actual"],&lt;br&gt;
                          color="tab:blue", label="Actual load")&lt;br&gt;
line_price, = ax_price.plot(week.index, week["price actual"],&lt;br&gt;
                            color="tab:orange", label="Actual price", alpha=0.8)&lt;br&gt;
ax_load.set_ylabel("Actual load", color="tab:blue")&lt;br&gt;
ax_price.set_ylabel("Actual price", color="tab:orange")&lt;br&gt;
ax_load.tick_params(axis="y", labelcolor="tab:blue")&lt;br&gt;
ax_price.tick_params(axis="y", labelcolor="tab:orange")&lt;br&gt;
ax_load.set(title="Two variables with different scales (UTC)", xlabel="Date (UTC)")&lt;br&gt;
ax_load.legend(handles=[line_load, line_price], loc="upper left", ncol=2)&lt;br&gt;
ax_load.xaxis.set_major_formatter(mdates.DateFormatter("%m-%d"))&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  22. 参考线、区域高亮和箭头标注
&lt;/h1&gt;

&lt;h1&gt;
  
  
  axhline() 画水平线；axvline() 画竖线；axvspan() 高亮一段横轴区间。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  annotate() 的 xy 是要指出的数据坐标，xytext 在这里使用相对于它的点数偏移（points）。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  这一例标出 2017 年最高的每日平均负荷，并用阴影突出七月。
&lt;/h1&gt;

&lt;p&gt;values = daily_2017["total load actual"].dropna()&lt;br&gt;
peak_time = values.idxmax()&lt;br&gt;
peak_value = values.max()&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots(figsize=(12, 4))&lt;br&gt;
ax.plot(values.index, values.values, linewidth=1, label="Daily mean load")&lt;br&gt;
ax.axhline(values.mean(), color="tab:orange", linestyle="--", label="Annual mean of daily means")&lt;br&gt;
ax.axvspan(pd.Timestamp("2017-07-01", tz="UTC"),&lt;br&gt;
           pd.Timestamp("2017-08-01", tz="UTC"),&lt;br&gt;
           color="gold", alpha=0.15, label="July")&lt;br&gt;
ax.scatter([peak_time], [peak_value], color="tab:red", zorder=3)&lt;br&gt;
ax.annotate("Highest daily mean", xy=(peak_time, peak_value),&lt;br&gt;
            xytext=(-95, -35), textcoords="offset points",&lt;br&gt;
            arrowprops={"arrowstyle": "-&amp;gt;", "color": "tab:red"})&lt;br&gt;
ax.set(title="Add context with reference lines and annotations", xlabel="Date (UTC)", ylabel="Mean load")&lt;br&gt;
ax.legend(loc="lower right", fontsize=9)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
plt.show()&lt;/p&gt;

&lt;h1&gt;
  
  
  23. 保存图片：先保存，再 show
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig.savefig() 保存这张指定的画布。先保存再 show()，便于明确保存的是哪张图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  dpi 控制 PNG 清晰度，bbox_inches="tight" 减少外围空白并照顾外侧标签。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  运行这一节 会在当前目录创建 plot_examples_output/hourly_load.png。
&lt;/h1&gt;

&lt;p&gt;output_dir = Path("plot_examples_output")&lt;br&gt;
output_dir.mkdir(exist_ok=True)&lt;/p&gt;

&lt;p&gt;fig, ax = plt.subplots(figsize=(9, 4))&lt;br&gt;
ax.plot(hourly_load.index, hourly_load.values, marker="o", markersize=4)&lt;br&gt;
ax.set(title="Mean hourly load (UTC)", xlabel="Hour (UTC)", ylabel="Mean load")&lt;br&gt;
ax.set_xticks(range(0, 24, 3))&lt;br&gt;
ax.grid(axis="y", alpha=0.25)&lt;br&gt;
fig.tight_layout()&lt;br&gt;
fig.savefig(output_dir / "hourly_load.png", dpi=180, bbox_inches="tight")&lt;br&gt;
plt.show()&lt;br&gt;
print("Saved:", (output_dir / "hourly_load.png").resolve())&lt;/p&gt;

&lt;h1&gt;
  
  
  最后留一份可复制的小模板
&lt;/h1&gt;

&lt;h1&gt;
  
  
  常规单图按下面的顺序写，通常就足够了：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig, ax = plt.subplots(figsize=(10, 4))
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.plot(x, y, label="My series")  # 换成 bar / scatter / hist 等
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.set_title("Title")
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.set_xlabel("X label")
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.set_ylabel("Y label")
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.legend()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.grid(axis="y", alpha=0.2)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig.tight_layout()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  plt.show()
&lt;/h1&gt;

&lt;h1&gt;
  
  
  多个子图的 axes 形状：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig, ax = plt.subplots()            # 单个对象：ax.plot(...)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig, axes = plt.subplots(1, 2)      # 一维：axes[0].plot(...)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  fig, axes = plt.subplots(2, 2)      # 二维：axes[0, 1].plot(...)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  常见小问题：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  日期太密：减少刻度数量，再使用日期 formatter；不要给每条观测都设置一个标签。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  文字挤在一起：缩写、适度旋转、增加画布宽度，再 tight_layout()。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  图例没出现：绘图时设置 label=，然后调用 ax.legend()。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  两条线完全重叠：确认数据是否相同或非常接近，可以改成虚线、加透明度或分成上下子图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  reindex() 后全是 NaN：检查原索引和新标签是否一致；数字 0 与字符串 Monday 不会自动匹配。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  画完没显示：执行 plt.show()，并确认运行了对应代码。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  缺失记录：不要为了让线连续而直接填零；先确定缺失处理方法。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  自己改一改：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  1. 把第 03 节的小时刻度改成每 2 小时一个，周末改成红色虚线。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  2. 把第 05 节的直方图改成上下两个子图，并统一 x 轴范围。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  3. 在第 06 节保留星期文字，隐藏纵轴刻度文字，观察柱顶数值是否足够解释图。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  4. 把第 19 节的 2 × 2 布局改成 4 × 1，为整张图增加高度。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  24. set_major_formatter：设置刻度文字的显示格式
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_formatter(...) 设置 x 轴主刻度旁的文字怎么显示。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  它不改变数据，也不决定刻度放在哪里；刻度位置由 locator 控制。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  同样的规则可以用于 ax.yaxis.set_major_formatter(...)。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  日期轴：DateFormatter
&lt;/h1&gt;

&lt;h1&gt;
  
  
  mdates 是 matplotlib.dates 的简称，用来处理日期坐标。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  import matplotlib.dates as mdates
&lt;/h1&gt;

&lt;h1&gt;
  
  
  # 日期显示为 01-02
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_formatter(mdates.DateFormatter("%m-%d"))
&lt;/h1&gt;

&lt;h1&gt;
  
  
  常用格式，选择一种即可：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  "%Y-%m-%d"：2017-01-02
&lt;/h1&gt;

&lt;h1&gt;
  
  
  "%Y-%m"：2017-01
&lt;/h1&gt;

&lt;h1&gt;
  
  
  "%m-%d"：01-02
&lt;/h1&gt;

&lt;h1&gt;
  
  
  "%H:%M"：06:00
&lt;/h1&gt;

&lt;h1&gt;
  
  
  普通数字轴：FuncFormatter
&lt;/h1&gt;

&lt;h1&gt;
  
  
  比如 x 的值是 0—1000，可以自定义显示方式。下面两种选择一种即可：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  from matplotlib.ticker import FuncFormatter
&lt;/h1&gt;

&lt;h1&gt;
  
  
  # 1000 显示为 1,000
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_formatter(
&lt;/h1&gt;

&lt;h1&gt;
  
  
  FuncFormatter(lambda value, position: f"{value:,.0f}")
&lt;/h1&gt;

&lt;h1&gt;
  
  
  )
&lt;/h1&gt;

&lt;h1&gt;
  
  
  # 1000 显示为 1.0k；原始数据仍然是 1000
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_formatter(
&lt;/h1&gt;

&lt;h1&gt;
  
  
  FuncFormatter(lambda value, position: f"{value / 1000:.1f}k")
&lt;/h1&gt;

&lt;h1&gt;
  
  
  )
&lt;/h1&gt;

&lt;h1&gt;
  
  
  value 是当前刻度数值，position 是刻度序号；这里用不到 position，但函数需要接收两个参数。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  简写：固定小数位也可以直接传格式字符串。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  # 12 显示为 12.0
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.yaxis.set_major_formatter("{x:.1f}")
&lt;/h1&gt;

&lt;h1&gt;
  
  
  这些设置放在画图之后、plt.show() 之前。显示多少个刻度、每隔多远一个，仍由 locator 决定。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  横轴刻度被自动省略：自己控制显示哪些值
&lt;/h1&gt;

&lt;h1&gt;
  
  
  Matplotlib 会自动选择部分刻度，数据点仍然保留。locator 控制刻度位置，formatter 控制显示文字。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  方式一：精确指定刻度位置。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.set_xticks([0, 100, 200, 500, 1000])
&lt;/h1&gt;

&lt;h1&gt;
  
  
  方式二：普通数字轴，固定间隔。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  from matplotlib.ticker import MultipleLocator
&lt;/h1&gt;

&lt;h1&gt;
  
  
  # 每隔 100 显示一个主刻度
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_locator(MultipleLocator(100))
&lt;/h1&gt;

&lt;h1&gt;
  
  
  方式三：日期轴，每天一个刻度，并显示为月-日。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  import matplotlib.dates as mdates
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_locator(mdates.DayLocator(interval=1))
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.xaxis.set_major_formatter(mdates.DateFormatter("%m-%d"))
&lt;/h1&gt;

&lt;h1&gt;
  
  
  文字拥挤时可以旋转：
&lt;/h1&gt;

&lt;h1&gt;
  
  
  ax.tick_params(axis="x", labelrotation=45)
&lt;/h1&gt;

&lt;h1&gt;
  
  
  以上是不同场景的用法，按需要选择，放在画图之后、plt.show() 之前。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  同一个轴重复设置 locator 时，最后一次生效；set_xticks() 也会替换刻度位置规则。
&lt;/h1&gt;

&lt;h1&gt;
  
  
  若手动指定的刻度超出原显示范围，范围可能被扩展，需要时最后再调用 ax.set_xlim(...)。
&lt;/h1&gt;

&lt;p&gt;`&lt;/p&gt;

</description>
    </item>
  </channel>
</rss>
