pandas和matplotlib.dates都使用matplotlib.units定位刻度。
但是，虽然matplotlib.dates有方便的方法来手动设置刻度，但到目前为止，pandas似乎专注于自动格式化（你可以看看code在pandas中的日期转换和格式化）。
因此，目前使用matplotlib.dates似乎更合理（正如@BrenBarn在他的评论中提到的）。

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

idx = pd.date_range('2011-05-01', '2011-07-01')
s = pd.Series(np.random.randn(len(idx)), index=idx)

fig, ax = plt.subplots()
ax.plot_date(idx.to_pydatetime(), s, 'v-')
ax.xaxis.set_minor_locator(dates.WeekdayLocator(byweekday=(1),
                                                interval=1))
ax.xaxis.set_minor_formatter(dates.DateFormatter('%d\n%a'))
ax.xaxis.grid(True, which="minor")
ax.yaxis.grid()
ax.xaxis.set_major_locator(dates.MonthLocator())
ax.xaxis.set_major_formatter(dates.DateFormatter('\n\n\n%b\n%Y'))
plt.tight_layout()
plt.show()

字符串
x1c 0d1x的数据
(my”““”

要关闭Pandas日期时间刻度调整，必须添加参数x_compat=True
范例：

ds.plot(x_compat=True)

字符串
请参阅Pandas文档中的更多示例：抑制刻度分辨率调整

在matplotlib的plot()中，默认的时间序列单位是1天，但在pandas的plot()中，1单位等于时间序列的频率，所以如果频率是1天，1单位就是1天;如果是1小时，则是1小时等等。这使得matplotlib和pandas的plot()调用在时间序列数据上有所不同。
如果时间序列的频率为1天，则matplotlib.dates.WeekdayLocator、matplotlib.dates.MonthLocator等。可以“定位”tick位置1，因为pandas plot()使用1天作为创建xtick位置的基本单位（与matplotlib的默认值一致）。
由于pandas的plot()调用返回Axes对象，因此可以使用matplotlib.dates修改Axes对象的刻度标签。

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

idx = pd.date_range('2011-05-01', '2011-07-01', freq='D')
s1 = pd.Series(np.random.randn(len(idx)), index=idx)

ax = s1.plot(style='v-')
ax.xaxis.set(
    minor_locator=mdates.WeekdayLocator(),               # make minor ticks on each Tuesday
    minor_formatter=mdates.DateFormatter('%d\n%a'),      # format minor ticks
    major_locator=mdates.MonthLocator(),                 # make major ticks on first day of each month
    major_formatter=mdates.DateFormatter('\n\n\n%b\n%Y') # format major ticks
);

字符串
x1c 0d1x的数据
然而，如果频率不是1天，而是1周，那么matplotlib.dates将无法定位位置，因为，如前所述，pandas的plot()将单位设置为与时间序列频率（1周）相同，这“混淆”了matplotlib.dates。因此，如果我们尝试使用设置s1的刻度标签相同的代码来设置s2的刻度标签，那么我们将得到非常错误的刻度标签。
要“解决”这个问题，一种方法是通过传递x_compat=True来删除pandas的自动刻度分辨率调整。然后可以使用matplotlib的分辨率设置主/次刻度标签;换句话说，它可以以与上述相同的方式设置。

idx = pd.date_range('2011-05-01', '2011-07-01', freq='W')
s2 = pd.Series(np.random.randn(len(idx)), index=idx)

ax = s2.plot(style='v-', x_compat=True, rot=0)
ax.xaxis.set(
    minor_locator=mdates.WeekdayLocator(),              # make minor ticks on each Tuesday
    minor_formatter=mdates.DateFormatter('%d'),         # format minor ticks
    major_locator=mdates.MonthLocator(),                # make major ticks on first day of each month
    major_formatter=mdates.DateFormatter('\n\n%b\n%Y')  # format major ticks
);

型

的
解决这个问题的另一种方法是使用matplotlib的plot()来代替（正如@bmu所建议的那样）。因为matplotlib中的单位是固定的，所以我们可以像上面那样设置刻度标签，没有问题。

plt.plot(s2.index, s2, 'v-')                            # use matplotlib instead
plt.gca().xaxis.set(
    minor_locator=mdates.WeekdayLocator(byweekday=0),   # make minor ticks on each Monday
    minor_formatter=mdates.DateFormatter('%d'),         # format minor ticks
    major_locator=mdates.MonthLocator(),                # make major ticks on first day of each month
    major_formatter=mdates.DateFormatter('\n\n%b\n%Y')  # format major ticks
);

型
1 matplotlib.dates.num2timedelta(1) == datetime.timedelta(days=1)为真。