Python怎么画折线图_Matplotlib时间序列折线图绘制与趋势线标记-Python教程-PHP中文网

应确保x轴数据为datetime64[ns]或datetime.datetime类型，使用mdates.monthlocator()和dateformatter()设置刻度，调用autofmt_xdate()自动倾斜标签，并用date2num()转换时间以适配polyfit()。

python怎么画折线图_matplotlib时间序列折线图绘制与趋势线标记

Matplotlib 默认把 datetime 当普通数值处理，不自动格式化，x轴挤成一串数字或科学计数法，根本看不出是哪天。关键不是“怎么画”，而是“怎么让 x 轴正确识别并展示时间”。

确保输入 x 是 datetime64[ns] 或 datetime.datetime 类型，别用字符串（如 "2023-01-01"）直接传给 plt.plot()
调用 plt.xticks() 前先用 plt.gca().xaxis.set_major_locator() 和 .set_major_formatter() 控制刻度密度和显示格式，比如按月显示：mdates.MonthLocator() + mdates.DateFormatter('%Y-%m')
别漏掉 plt.gcf().autofmt_xdate() —— 它负责自动倾斜日期标签、避免重叠，没这句，再准的日期也糊成一片

时间序列里 x 是 datetime，而 np.polyfit() 只认数字。直接喂过去必然报错，不是数据长度问题，是类型不兼容。

Li Python Sec Check

Python 安全规范检查工具：基于 CloudBase 规范、腾讯安全指南，LLM 智能分析（默认禁用，优先本地执行）

下载

把时间转为数值：用 matplotlib.dates.date2num(x) 把 datetime 数组转成浮点数（单位是“天数 since 0001-01-01”），再喂给 np.polyfit()
拟合完得到系数后，用 np.poly1d() 构建函数，再把原 x 对应的 date2num(x) 代入，算出趋势线 y 值
最后用 plt.plot(x, trend_y, '--', label='trend') 画线——x 还是原始 datetime，Matplotlib 会自动对齐，不用手动转回

plt.plot_date() 是历史遗留接口，它内部做了日期转数值+默认开启 x 轴日期格式化，但控制粒度低、和现代 ax.xaxis 配置冲突多，现在基本不用。

统一用 plt.plot() 或 ax.plot()，更可控，和 ax.xaxis.set_major_locator() 等配合无副作用
plt.plot_date() 的 linestyle 参数名是 fmt，容易和 plot() 混淆；且无法直接叠加其他非日期数据系列
唯一还可能用到它的场景：快速调试单组时间数据，不想写 locator/formatter —— 但只要需求稍复杂（比如双 y 轴、多子图），立刻得切回 plot()

plt.annotate() 在时间轴上定位不准，常见原因是没指定 xycoords='data'（默认是 axes fraction），导致坐标系错位；文字被截断则多因 figure 太小或边距没留够。

标注时间点必须写全：plt.annotate('outlier', xy=(target_datetime, value), xycoords='data')
加箭头用 arrowprops={'arrowstyle': '->'}，避免用旧式 arrowprops=dict(arrowstyle='fancy')（在某些 backend 下渲染异常）
画完所有内容后加一句 plt.tight_layout()，它会重算子图间距，防止 annotate 文字贴边被裁；若仍被截，可手动调 plt.subplots_adjust(bottom=0.15)

时间序列绘图真正卡住人的，从来不是“画不出线”，而是 x 轴类型隐式转换、坐标系混用、以及自动布局和手动标注之间的那层薄薄的不兼容。多看一眼 type(x[0])，比查十遍文档管用。