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）的 x 轴刻度，并确保刻度从图表最左端精确延伸至最右端，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）的 x 轴刻度，并确保刻度从图表最左端精确延伸至最右端，彻底消除首尾空白。
在使用 Matplotlib 绘制时间序列多子图时，一个常见痛点是：原始数据按 30 分钟采样（共 48 个时间点），但用户只需在 X 轴上展示 24 个整点时刻（00:00, 01:00, ..., 23:00），且要求这些刻度均匀分布、严格对齐图表边界——即首个刻度位于横轴最左像素，末个刻度紧贴最右像素。直接调用 plt.xticks() 设置 24 个标签虽能显示整点，却因底层坐标映射未同步调整，导致图表两侧出现明显空白，视觉上刻度“收缩”在中间区域。
根本原因在于：Matplotlib 默认将横轴视为数值索引（0, 1, 2, ..., 47），而 plt.xticks(range(0, 24), [...]) 仅覆盖前 24 个位置，后半段数据（索引 24–47）仍占据空间，造成右侧冗余；同时，X 轴范围（xlim）默认由数据自动设定，未强制拉伸至全部索引范围。
✅ 正确解法需三步协同：
- 明确设置 X 轴数值范围：使用 plt.xlim() 显式指定横轴起止为 0 和 len(df)-1（即索引 0 到 47），确保绘图区域完整覆盖全部数据点；
- 精准定位整点刻度位置：利用 ax.get_xticks() 获取当前自动生成的刻度位置（对应数据索引），再筛选出对应 "xx:00" 标签的索引位置；
- 统一应用到所有共享 X 轴的子图：避免仅设置最后一个子图（axes[-1]）导致其他子图刻度不一致。
以下是优化后的核心代码段（已整合进完整绘图流程）：
# ...（前面的数据加载与子图创建代码保持不变）...
# 关键修正：先统一设置 xlim，确保横轴铺满全宽
plt.xlim(0, len(df) - 1)
# 遍历所有子图（因 sharex=True，只需设置一次，但为保险可全设）
for ax in axes:
# 获取当前 X 轴刻度位置及对应标签
tick_locs = ax.get_xticks()
tick_labels = [label.get_text() for label in ax.get_xticklabels()]
# 筛选以 ":00" 结尾的时间标签对应的刻度位置（注意：需确保标签已生成）
# 更稳健做法：基于 df["time of day"] 字段直接提取整点索引
hour_indices = [i for i, t in enumerate(df["time of day"]) if t.endswith("00")]
# 设置新刻度位置与标签
ax.set_xticks(hour_indices)
ax.set_xticklabels([df["time of day"].iloc[i] for i in hour_indices], rotation=0)
# 共享 X 轴标签
plt.xlabel("Time of Day")
plt.tight_layout()⚠️ 注意事项：
- 不要依赖 get_xticklabels() 的初始状态：在 plt.tight_layout() 或 plt.show() 前，刻度标签可能尚未完全渲染，直接调用 .get_text() 可能返回空字符串或旧值。推荐采用 df["time of day"] 列主动查找整点索引（如上例 hour_indices），100% 可靠；
- 旋转角度建议设为 0：整点共 24 个，水平排列完全可读；若强制 rotation=90 反而加剧拥挤，且破坏对齐感；
- sharex=True 下的刻度同步：虽然逻辑上所有子图共享 X 轴，但 Matplotlib 有时不会自动同步 set_xticks 效果，因此显式遍历 axes 并设置更稳妥；
- 字体与间距微调（可选）：若标签仍显拥挤，可添加 plt.rcParams['xtick.labelsize'] = 9 或使用 ax.tick_params(axis='x', pad=10) 增加标签与横轴距离。
最终效果：X 轴严格显示 24 个整点刻度，从最左侧（00:00）平滑过渡至最右侧（23:00），无任何首尾空白，所有子图横轴对齐一致，专业清晰，符合科研图表规范。
