如何降低xticks*和*xticklabels密度？

Question

我要用很高的密度绘制几个曲线，比如1000个日期字符串。为了防止这些刻度标签相互重叠，我手动将它们设置为60个日期。代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

ts_index = pd.period_range(start="20060429", periods=1000).strftime("%Y%m%d")

fig = plt.figure(1)
ax = plt.subplot(1, 1, 1)
tick_spacing = 60

for i in range(5):
    plt.plot(ts_index, 1 + i * 0.01 * np.arange(0, 1000), label="group %d"%i)

plt.legend(loc='best')
plt.title(r'net value curves')

xticks = ax.get_xticks()
xlabels = ax.get_xticklabels()
ax.set_xticks(xticks[::tick_spacing])
ax.set_xticklabels(xlabels[::tick_spacing])


plt.xticks(rotation="vertical")
plt.xlabel(r'date')
plt.ylabel('net value')
plt.grid(True)
plt.show()

fig.savefig(r".\net_value_curves.png", )
fig.clf()

我用python3.6内核在PyCharm社区版2017.2.2中运行这段代码。现在有趣的是：每当我在正常的“运行”模式下运行代码（即，只要点击执行按钮，让代码“自由”运行，直到中断或终止），那么我得到的数字总是会错过xticklabels：

但是，如果我在“调试”模式下运行代码并一步一步地运行它，那么我将得到一个包含完整xticklabels的预期值：

这真的很奇怪。总之，我只希望找到一种方法，可以确保我在正常的“运行”模式下获得所需的输出（第二个数字）。如何修改当前代码以实现此目的？在

提前谢谢！在

Answer 1

通常，^{}对象使用^{}对象计算并放置记号。Locators和Formatters意味着很容易被替换，使用Axis的methods。默认的Locator似乎没有为您提供任何功能，因此您可以使用^{}替换它。这个问题还不够复杂，不足以编写您自己的，所以我建议^{}非常适合您的需要。您的示例似乎与nbins=16（这是您在图片中看到的，因为有17个记号）。在

您需要添加导入：

from matplotlib.ticker import MaxNLocator

你需要换块

^{pr2}$

与

ax.xaxis.set_major_locator(MaxNLocator(nbins=16))

或者只是

ax.xaxis.set_major_locator(MaxNLocator(16))

您可能需要使用其他参数（除了nbins），所有这些参数都必须是关键字。特别注意integer。在

注意，对于Locator和Formatterapi，我们使用的是Axis对象，而不是{}。Axes是整个情节，而{}是上面有刺的东西。Axes通常包含两个Axis对象和绘图中的所有其他内容。在

Answer 2

您可以将xticks标签的可见性设置为False

for label in plt.gca().xaxis.get_ticklabels()[::N]:
                label.set_visible(False)

这将使每个第n个标签不可见。在

Answer 3

你的x轴数据是字符串。因此，每个数据点将得到一个勾号。这可能不是你想要的。而是使用日期来绘制。因为你用的是熊猫，这很容易转换

dates = pd.to_datetime(ts_index, format="%Y%m%d")

然后您就可以摆脱手动的xtick定位和格式化，因为matplotlib会自动为您选择一些不错的tick位置。在

^{pr2}$

但是，如果您确实想手动控制位置和格式，可以使用matplotlib.dates定位器和格式化程序。在

# tick every 3 months
plt.gca().xaxis.set_major_locator(mdates.MonthLocator((1,4,7,10)))
# format as "%Y%m%d"
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter("%Y%m%d"))