正如其他答案所提到的，要让ylabel显示在两个子图上，可以使用面向对象的接口axes[0].set_ylabel和axes[1].set_ylabel。
您还应该在两个轴上使用.tick_params，以获得两个子图的相同大小的刻度标签等
最后，为了让刻度标签显示在第一个子图上，作为循环所有刻度并将其设置为可见的替代方案，您可以通过多提供一个选项tick_params：labelbottom=True来实现同样的事情。

fig, axes = plt.subplots(nrows=2, ncols=1, sharex=True)

df.groupby('State')['Population'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[0])
axes[0].set_ylabel('Pop')
df.groupby('State')['Temp'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[1])
axes[1].set_ylabel('Temp')
axes[0].tick_params(axis='both', which='both', labelsize=7, labelbottom=True)
axes[1].tick_params(axis='both', which='both', labelsize=7)

有几件事你可以做.要么删除sharex = True .或者，如果你想使用，sharex设置x刻度不可见即set_visible(False) .因此，你可以将它们设置为True来停止这一点.
为了使子图的格式相同，您需要为两个子图使用axes[0].tick_params(axis='both', which='both', labelsize=7)来设置每个子图的刻度参数（即为axes[1]重复）
注意，就我个人而言，我更喜欢使用matpotlib面向对象的API，即使用ax.set_ylabel()而不是plt.ylabel()，因为我认为它可以更好地控制您使用的子图和轴。

df = pd.DataFrame([{'DATETIME': '2017-09-29 01:00,', 'Population': 1000, 'Temp': 90, 'State': 'California'},
                   {'DATETIME': '2017-09-29 01:00,', 'Population': 2000, 'Temp': 70, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 01:00,', 'Population': 3000, 'Temp': 50, 'State': 'Georgia'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 2000, 'Temp': 40, 'State': 'California'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 6000, 'Temp': 20, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 4000, 'Temp': 30, 'State': 'Georgia'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 3000, 'Temp': 40, 'State': 'California'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 4000, 'Temp': 60, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 2000, 'Temp': 80, 'State': 'Georgia'}])

df.index = df['DATETIME']
df.index = (pd.to_datetime(df.index)).strftime("%m/%d %H:00")

fig, axes = plt.subplots(nrows=2, ncols=1, sharex=True)

df.groupby('State')['Population'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[0])
axes[0].set_ylabel('Pop')
df.groupby('State')['Temp'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[1])
axes[1].set_ylabel('Temp')

# Set the formatting the same for both subplots
axes[0].tick_params(axis='both', which='both', labelsize=7)
axes[1].tick_params(axis='both', which='both', labelsize=7)

# set ticks visible, if using sharex = True. Not needed otherwise
for tick in axes[0].get_xticklabels():
    tick.set_visible(True)

plt.tight_layout()
plt.show()

其给出：

关于第一个问题，我建议不要用额外的墨水来弄乱情节。
现在，在y标签上，你必须使用从plt.subplots得到的轴，
plt.ylabel('Pop') × axes[0].set_ylabel('Pop')和plt.ylabel('Pop') × axes[1].set_ylabel('Temp')

从fig, axes = plt.subplots(nrows=2, ncols=1, sharex=True)中删除sharex=True，以获得单独的x轴。
为了ylabels

axes[0].set_ylabel('Pop')
axes[1].set_ylabel('Temp')