本文详解如何在保持 30 分钟数据分辨率的前提下，仅显示整点（如 00:00、01:00…23:00）作为 x 轴刻度，并确保这些刻度严格等距、从图表最左端延伸至最右端，彻底消除首尾空白。
本文详解如何在保持 30 分钟数据分辨率的前提下，仅显示整点（如 00:00、01:00…23:00）作为 x 轴刻度，并确保这些刻度严格等距、从图表最左端延伸至最右端，彻底消除首尾空白。
在使用 matplotlib 绘制时间序列图时，一个常见需求是：数据采样频率高（如每 30 分钟一条），但只需在 X 轴上展示关键时间点（如每小时整点），且要求这些刻度均匀分布、覆盖整个横轴可视范围（即首刻度对齐左边界，末刻度对齐右边界）。直接调用 plt.xticks() 设置固定标签（如 [“00:00”, “01:00”, …, “23:00”]）往往会导致刻度挤在中间、两端留白严重——这是因为 Matplotlib 默认将刻度位置映射到数据索引（0, 1, 2, …, 47），而整点实际只出现在偶数索引（0, 2, 4, …, 46），共 24 个点；若强行指定 24 个标签却不显式指定对应的位置坐标，系统无法自动拉伸分布。
✅ 正确解法是：先让 Matplotlib 自动完成初始绘图与刻度生成，再基于其生成的原始刻度标签动态筛选出整点位置，并重设 xticks 为等间距的数值序列（0, 2, 4, …, 46），最后同步更新标签。这样既保留了数据完整性，又实现了视觉上的均匀铺展。
以下是推荐的完整实现方案（适配您原始代码）：
import pandas as pd import matplotlib.pyplot as plt file_path = r"C:Userswi9632DesktopResults_End_MultiOptLoad_Profile_FigureCombined_Table.csv" df = pd.read_csv(file_path, sep=';', encoding='latin-1') methods = { "Dichotomous Method [kW]": ("Dichotomous Method", "tab:orange"), "Conventional Control [kW]": ("Conventional Control", "tab:purple"), "NSGA-II [kW]": ("NSGA-II", "tab:cyan"), "SPEA-II [kW]": ("SPEA-II", "gold"), "PALSS [kW]": ("PALSS", "red"), "RELAPALLS [kW]": ("RELAPALLS", "lawngreen") } fig, axes = plt.subplots(6, 1, figsize=(12, 20), sharex=True) # 绘制第一行：6 种方法对比 for method, (name, color) in methods.items(): axes[0].plot(df["time of day"], df[method], label=name, color=color) axes[0].set_ylabel("Power [kW]") axes[0].set_title("Power Profiles for Different Methods") axes[0].legend(loc='upper center', bbox_to_anchor=(0.5, 1.15), ncol=3) # 绘制其余子图 variables = ["Space Heating [kW]", "DHW [kW]", "Availability of the EV", "Outside Temperature [°C]", "Price [Cent/kWh]"] for i, variable in enumerate(variables, start=1): axes[i].plot(df["time of day"], df[variable], color='blue') axes[i].set_ylabel(variable) # ? 关键步骤：精简并均匀分布 X 轴刻度（整点） # 1. 先触发绘图以生成默认刻度（重要！否则 get_xticklabels() 返回空） plt.tight_layout() # 2. 获取底部共享 X 轴的最后一个子图（或任一共享轴的 axes[i]）的刻度标签 ax_bottom = axes[-1] original_labels = [lbl.get_text() for lbl in ax_bottom.get_xticklabels()] # 3. 找出所有以 ":00" 结尾的时间字符串对应的原始索引位置（即 0, 2, 4, ..., 46） hour_indices = [i for i, lbl in enumerate(original_labels) if lbl.endswith(':00')] # 4. 构造等间距的刻度位置：从 0 到 len(df)-1 均匀取 24 个点（对应 24 小时） # 注意：df 有 48 行（0–47），整点位于索引 0,2,4,...,46 → 共 24 个位置 tick_positions = list(range(0, len(df), 2)) # [0, 2, 4, ..., 46] tick_labels = [f"{h:02d}:00" for h in range(24)] # ["00:00", "01:00", ..., "23:00"] # 5. 对所有共享 X 轴的子图统一设置刻度 for ax in axes: ax.set_xticks(tick_positions) ax.set_xticklabels(tick_labels, rotation=0, ha='center') # 水平居中更清晰 plt.xlabel("Time of Day") plt.tight_layout() # 可选：进一步压缩边距（消除残余空白） plt.subplots_adjust(bottom=0.05, top=0.95) combined_output_path = r"C:Userswi9632DesktopResults_End_MultiOptLoad_Profile_FigureParetoFronts_combined.png" plt.savefig(combined_output_path, dpi=200, bbox_inches='tight') plt.show()? 关键说明与注意事项：
-
为什么必须先 tight_layout() 再获取标签？
get_xticklabels() 依赖于已渲染的布局信息。若在绘图未完成前调用，可能返回空列表或错误索引。务必在 plot() 后、set_xticks() 前执行一次 tight_layout() 或 draw()。 -
range(0, len(df), 2) 是核心：
数据共 48 行（00:00 到 23:30），整点严格对应索引 0, 2, 4, …, 46。该表达式精确生成这 24 个位置，确保刻度物理间距相等，自然铺满横轴。 -
避免使用字符串标签直接设 xticks：
错误写法 plt.xticks([“00:00″,”01:00”,…]) 会丢失位置映射，导致刻度堆积。必须同时指定数值位置和对应标签。 -
旋转与对齐优化：
rotation=0 + ha=’center’ 保证时间标签水平居中对齐刻度线，提升可读性；若空间紧张，可改用 rotation=30 并调整 plt.subplots_adjust()。 -
扩展性提示：
若未来数据频率变化（如 15 分钟/条），只需将 range(0, len(df), 2) 改为 range(0, len(df), 4) 即可适配整点（每 4 行一个整点）。
通过上述方法，您将获得专业级的时间轴呈现效果：X 轴刻度精准对应每小时整点，视觉上均匀延展至图表左右边界，彻底解决首尾空白与刻度偏移问题，同时完全兼容高分辨率原始数据。