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 数组传递。例如，plot(x, y) 将在 x 和 y 是浮点数（或整数）的 numpy 数组时有效。如果 numpy.asarray 可以将 x 和 y 转换为浮点数数组，则绘图方法也将有效；例如，x 可以是 python 列表。

Matplotlib 还能够转换其他数据类型，前提是该数据类型存在“单位转换器”。Matplotlib 具有两个内置转换器，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。

在 matplotlib.units 中描述了将转换器添加到 Matplotlib 的方法。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，Matplotlib 具有一个内置转换器，它将把日期时间转换为浮点数，并向轴添加适合日期的刻度定位器和格式化器。请参阅 matplotlib.dates。

在下面的示例中，x 轴获得一个转换器，它将 numpy.datetime64 转换为浮点数，以及一个定位器，它将刻度放在月份的开头，以及一个格式化器，它以适当的方式标记刻度

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，它将以自转换器“纪元”以来的天数为单位绘制，在本例中为 1970-01-01（参见 Matplotlib 日期格式）。因此，当我们绘制值 0 时，刻度从 1970-01-01 开始。（定位器现在也选择每两年一个刻度，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器；参见 日期刻度定位器 和 日期格式化器 以获取完整列表，以及 日期刻度定位器和格式化器 以获取使用它们的示例。在这里，我们每两个月定位一次，并使用 "%b" 只用月份的 3 个字母名称进行格式化（参见 strftime 以获取格式代码）。

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')

默认定位器是 AutoDateLocator，默认格式化器是 AutoDateFormatter。还有一些“简洁”的格式化器和定位器，它们提供更紧凑的标签，可以通过 rcParams 设置。请注意，与年份开头冗余的“Jan”标签不同，这里使用“1980”。参见 使用 ConciseDateFormatter 格式化日期刻度 以获取更多示例。

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，或者通过传递自纪元以来的天数的适当单位的浮点数来设置轴上的限制。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

有时我们希望在轴上标注类别而不是数字。Matplotlib 允许使用“分类”转换器来实现这一点（参见 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”的绘制顺序与其首次指定的顺序一致，后续以不同顺序绘制不会影响原始顺序。此外，新添加的类别将添加到末尾（参见下面的“梨”）。

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，当使用 plot（如上所示）时，绘制顺序映射到数据的原始顺序，因此新线按指定的顺序绘制。

类别转换器将类别映射到整数，从零开始。因此，也可以使用浮点数手动将数据添加到轴上。请注意，如果传入的浮点数没有关联的“类别”，则仍然可以绘制数据点，但不会创建刻度。在下面，我们在 4.0 和 2.5 处绘制数据，但没有添加刻度，因为它们不是类别。

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，但如果数据作为字符串列表读取，即使它应该是浮点数或日期列表，也会导致混淆。这种情况有时会在读取逗号分隔值 (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，并为每个刻度添加标签。

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，只需在绘制之前将数据转换为浮点数。

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工具很有帮助。我们可以通过查询轴上的 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.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.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.converter}\n '
label += f'Locator: {ax.xaxis.get_major_locator()}\n'
label += f'Formatter: {ax.xaxis.get_major_formatter()}\n'
ax.set_xlabel(label)

关于“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。

单位支持通过查询传递给绘图函数的数据类型，并分派给列表中第一个接受该数据类型的转换器来实现。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，则它将被发送到 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'>

许多下游库提供了自己的转换器，其中包含定位器和格式化器。物理单位支持由 astropy、pint 和 unyt 等库提供。

像 pandas 和 nc-time-axis（以及 xarray）这样的高级库提供了自己的日期时间支持。这种支持有时可能与 Matplotlib 本地日期时间支持不兼容，因此在使用 Matplotlib 定位器和格式化器时，如果使用了这些库，应谨慎操作。