绘制日期和字符串

使用 Matplotlib 绘图方法的最基本方法是将坐标作为数值 numpy 数组传入。例如，如果 x 和 y 是浮点数（或整数）的 numpy 数组，则 plot(x, y) 将起作用。如果 numpy.asarray 将 x 和 y 转换为浮点数数组，则绘图方法也将起作用；例如，x 可以是 python 列表。

如果数据类型存在“单位转换器”，Matplotlib 还能够转换其他数据类型。Matplotlib 有两个内置的转换器，一个用于日期，另一个用于字符串列表。其他下游库有自己的转换器来处理它们的数据类型。

将转换器添加到 Matplotlib 的方法在 matplotlib.units 中描述。这里我们简要概述内置的日期和字符串转换器。

日期转换

如果 x 和/或 y 是 datetime 的列表或 numpy.datetime64 的数组，则 Matplotlib 有一个内置的转换器，它会将日期时间转换为浮点数，并向坐标轴添加适合日期的刻度定位器和格式化程序。请参阅 matplotlib.dates。

在以下示例中，x 轴获得了一个转换器，该转换器将 numpy.datetime64 转换为浮点数，以及一个定位器，该定位器将刻度线放在月初，还有一个格式化程序，该格式化程序会适当地标记刻度线

import numpy as np

import matplotlib.dates as mdates
import matplotlib.units as munits

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(5.4, 2), layout='constrained')
time = np.arange('1980-01-01', '1980-06-25', dtype='datetime64[D]')
x = np.arange(len(time))
ax.plot(time, x)

请注意，如果我们尝试在 x 轴上绘制浮点数，则它将以自转换器的“纪元”以来的天数为单位绘制，在本例中为 1970-01-01（请参阅 Matplotlib 日期格式）。因此，当我们绘制值 0 时，刻度线从 1970-01-01 开始。（定位器现在也选择每两年一个刻度线，而不是每个月）

fig, ax = plt.subplots(figsize=(5.4, 2), layout='constrained')
time = np.arange('1980-01-01', '1980-06-25', dtype='datetime64[D]')
x = np.arange(len(time))
ax.plot(time, x)
# 0 gets labeled as 1970-01-01
ax.plot(0, 0, 'd')
ax.text(0, 0, ' Float x=0', rotation=45)

我们可以自定义定位器和格式化程序；有关完整列表，请参阅 日期刻度定位器 和 日期格式化程序，有关它们的使用示例，请参阅 日期刻度定位器和格式化程序。在这里，我们按每隔一个月进行定位，并仅使用 "%b"（有关格式代码，请参阅 strftime）来格式化月份的 3 个字母名称

fig, ax = plt.subplots(figsize=(5.4, 2), layout='constrained')
time = np.arange('1980-01-01', '1980-06-25', dtype='datetime64[D]')
x = np.arange(len(time))
ax.plot(time, x)
ax.xaxis.set_major_locator(mdates.MonthLocator(bymonth=np.arange(1, 13, 2)))
ax.xaxis.set_major_formatter(mdates.DateFormatter('%b'))
ax.set_xlabel('1980')

默认的定位器是 AutoDateLocator，默认的格式化程序是 AutoDateFormatter。还有“简洁”格式化程序和定位器，它们提供更紧凑的标签，并且可以通过 rcParams 进行设置。请注意，在一年开始时，不用冗余的“Jan”标签，而是使用“1980”。有关更多示例，请参阅 使用 ConciseDateFormatter 格式化日期刻度。

plt.rcParams['date.converter'] = 'concise'

fig, ax = plt.subplots(figsize=(5.4, 2), layout='constrained')
time = np.arange('1980-01-01', '1980-06-25', dtype='datetime64[D]')
x = np.arange(len(time))
ax.plot(time, x)

我们可以通过传递适当的日期作为限制，或者通过传递以自纪元以来的天数为单位的浮点值来设置坐标轴上的限制。如果需要，我们可以从 date2num 获取此值。

fig, axs = plt.subplots(2, 1, figsize=(5.4, 3), layout='constrained')
for ax in axs.flat:
    time = np.arange('1980-01-01', '1980-06-25', dtype='datetime64[D]')
    x = np.arange(len(time))
    ax.plot(time, x)

# set xlim using datetime64:
axs[0].set_xlim(np.datetime64('1980-02-01'), np.datetime64('1980-04-01'))

# set xlim using floats:
# Note can get from mdates.date2num(np.datetime64('1980-02-01'))
axs[1].set_xlim(3683, 3683+60)

字符串转换：分类图

有时我们想在坐标轴上标记类别，而不是数字。Matplotlib 允许使用“分类”转换器来实现此目的（请参阅 category）。

data = {'apple': 10, 'orange': 15, 'lemon': 5, 'lime': 20}
names = list(data.keys())
values = list(data.values())

fig, axs = plt.subplots(1, 3, figsize=(7, 3), sharey=True, layout='constrained')
axs[0].bar(names, values)
axs[1].scatter(names, values)
axs[2].plot(names, values)
fig.suptitle('Categorical Plotting')

请注意，“类别”按照首次指定的顺序绘制，并且以不同的顺序后续绘制不会影响原始顺序。此外，新添加的内容将添加到末尾（请参见下面的“pear”）

fig, ax = plt.subplots(figsize=(5, 3), layout='constrained')
ax.bar(names, values)

# plot in a different order:
ax.scatter(['lemon', 'apple'], [7, 12])

# add a new category, "pear", and put the other categories in a different order:
ax.plot(['pear', 'orange', 'apple', 'lemon'], [13, 10, 7, 12], color='C1')

请注意，当像上面那样使用 plot 时，绘图顺序会映射到数据的原始顺序，因此新行会按照指定的顺序进行。

类别转换器将类别映射到整数，从零开始。因此，也可以使用浮点数将数据手动添加到坐标轴。请注意，如果传入的浮点数没有与之关联的“类别”，则仍然可以绘制数据点，但不会创建刻度线。在下面的示例中，我们在 4.0 和 2.5 处绘制数据，但由于它们不是类别，因此不会在此处添加刻度线。

fig, ax = plt.subplots(figsize=(5, 3), layout='constrained')
ax.bar(names, values)
# arguments for styling the labels below:
args = {'rotation': 70, 'color': 'C1',
        'bbox': {'color': 'white', 'alpha': .7, 'boxstyle': 'round'}}


# 0 gets labeled as "apple"
ax.plot(0, 2, 'd', color='C1')
ax.text(0, 3, 'Float x=0', **args)

# 2 gets labeled as "lemon"
ax.plot(2, 2, 'd', color='C1')
ax.text(2, 3, 'Float x=2', **args)

# 4 doesn't get a label
ax.plot(4, 2, 'd', color='C1')
ax.text(4, 3, 'Float x=4', **args)

# 2.5 doesn't get a label
ax.plot(2.5, 2, 'd', color='C1')
ax.text(2.5, 3, 'Float x=2.5', **args)

可以通过指定类别或指定浮点数来设置类别轴的限制

fig, axs = plt.subplots(2, 1, figsize=(5, 5), layout='constrained')
ax = axs[0]
ax.bar(names, values)
ax.set_xlim('orange', 'lemon')
ax.set_xlabel('limits set with categories')
ax = axs[1]
ax.bar(names, values)
ax.set_xlim(0.5, 2.5)
ax.set_xlabel('limits set with floats')

类别轴对于某些绘图类型很有用，但如果数据以字符串列表的形式读入，即使它意味着浮点数或日期列表，也可能导致混淆。这有时在读取逗号分隔值 (CSV) 文件时发生。分类定位器和格式化程序将在每个字符串值处放置一个刻度线，并标记每个字符串值

fig, ax = plt.subplots(figsize=(5.4, 2.5), layout='constrained')
x = [str(xx) for xx in np.arange(100)]  # list of strings
ax.plot(x, np.arange(100))
ax.set_xlabel('x is list of strings')

如果不需要这样做，只需在绘图之前将数据转换为浮点数即可

fig, ax = plt.subplots(figsize=(5.4, 2.5), layout='constrained')
x = np.asarray(x, dtype='float')  # array of float.
ax.plot(x, np.arange(100))
ax.set_xlabel('x is array of floats')

确定坐标轴上的转换器、格式化程序和定位器

有时，能够调试 Matplotlib 用于转换传入数据的内容会很有帮助。我们可以通过查询坐标轴上的 converter 属性来实现。我们还可以使用 get_major_locator 和 get_major_formatter 查询格式化程序和定位器。

请注意，默认情况下，转换器为None。

fig, axs = plt.subplots(3, 1, figsize=(6.4, 7), layout='constrained')
x = np.arange(100)
ax = axs[0]
ax.plot(x, x)
label = f'Converter: {ax.xaxis.get_converter()}\n '
label += f'Locator: {ax.xaxis.get_major_locator()}\n'
label += f'Formatter: {ax.xaxis.get_major_formatter()}\n'
ax.set_xlabel(label)

ax = axs[1]
time = np.arange('1980-01-01', '1980-06-25', dtype='datetime64[D]')
x = np.arange(len(time))
ax.plot(time, x)
label = f'Converter: {ax.xaxis.get_converter()}\n '
label += f'Locator: {ax.xaxis.get_major_locator()}\n'
label += f'Formatter: {ax.xaxis.get_major_formatter()}\n'
ax.set_xlabel(label)

ax = axs[2]
data = {'apple': 10, 'orange': 15, 'lemon': 5, 'lime': 20}
names = list(data.keys())
values = list(data.values())
ax.plot(names, values)
label = f'Converter: {ax.xaxis.get_converter()}\n '
label += f'Locator: {ax.xaxis.get_major_locator()}\n'
label += f'Formatter: {ax.xaxis.get_major_formatter()}\n'
ax.set_xlabel(label)

有关“单位”支持的更多信息

对日期和类别的支持是 Matplotlib 中内置的“单位”支持的一部分。这在 matplotlib.units 和 基本单位 示例中进行了描述。

单位支持的工作原理是查询传递给绘图函数的数据类型，并分派到列表中第一个接受该数据类型的转换器。因此，在下面，如果 x 中包含 datetime 对象，则转换器将为 _SwitchableDateConverter；如果它包含字符串，则将其发送到 StrCategoryConverter。

for k, v in munits.registry.items():
    print(f"type: {k};\n    converter: {type(v)}")

type: <class 'decimal.Decimal'>;
    converter: <class 'matplotlib.units.DecimalConverter'>
type: <class 'numpy.datetime64'>;
    converter: <class 'matplotlib.dates._SwitchableDateConverter'>
type: <class 'datetime.date'>;
    converter: <class 'matplotlib.dates._SwitchableDateConverter'>
type: <class 'datetime.datetime'>;
    converter: <class 'matplotlib.dates._SwitchableDateConverter'>
type: <class 'str'>;
    converter: <class 'matplotlib.category.StrCategoryConverter'>
type: <class 'numpy.str_'>;
    converter: <class 'matplotlib.category.StrCategoryConverter'>
type: <class 'bytes'>;
    converter: <class 'matplotlib.category.StrCategoryConverter'>
type: <class 'numpy.bytes_'>;
    converter: <class 'matplotlib.category.StrCategoryConverter'>

有许多下游库提供了自己的带有定位器和格式化程序的转换器。物理单位支持由 astropy、pint 和 unyt 等提供。

像 pandas 和 nc-time-axis (以及 xarray) 这样的高级库提供了它们自己的日期时间支持。这种支持有时可能与 Matplotlib 本机日期时间支持不兼容，因此如果正在使用这些库，则在使用 Matplotlib 定位器和格式化程序时应小心。