应确保x轴数据为datetime64[ns]或datetime.datetime类型，使用mdates.MonthLocator()和DateFormatter()设置刻度，调用autofmt_xdate()自动倾斜标签，并用date2num()转换时间以适配polyfit()。
时间序列数据画折线图，x轴日期乱成一坨怎么办
Matplotlib 默认把 datetime 当普通数值处理，不自动格式化，x轴挤成一串数字或科学计数法，根本看不出是哪天。关键不是“怎么画”，而是“怎么让 x 轴正确识别并展示时间”。
- 确保输入 x 是
datetime64[ns]或datetime.datetime类型，别用字符串（如"2023-01-01"）直接传给plt.plot() - 调用
plt.xticks()前先用plt.gca().xaxis.set_major_locator()和.set_major_formatter()控制刻度密度和显示格式，比如按月显示：mdates.MonthLocator()+mdates.DateFormatter('%Y-%m') - 别漏掉
plt.gcf().autofmt_xdate()—— 它负责自动倾斜日期标签、避免重叠，没这句，再准的日期也糊成一片
想加一条趋势线但 polyfit 报错：'x and y must have same first dimension'
时间序列里 x 是 datetime，而 np.polyfit() 只认数字。直接喂过去必然报错，不是数据长度问题，是类型不兼容。
- 把时间转为数值：用
matplotlib.dates.date2num(x)把datetime数组转成浮点数（单位是“天数 since 0001-01-01”），再喂给np.polyfit() - 拟合完得到系数后，用
np.poly1d()构建函数，再把原 x 对应的date2num(x)代入，算出趋势线 y 值 - 最后用
plt.plot(x, trend_y, '--', label='trend')画线——x 还是原始 datetime，Matplotlib 会自动对齐，不用手动转回
plt.plot_date() 和 plt.plot() 选哪个
plt.plot_date() 是历史遗留接口，它内部做了日期转数值+默认开启 x 轴日期格式化，但控制粒度低、和现代 ax.xaxis 配置冲突多，现在基本不用。
- 统一用
plt.plot()或ax.plot()，更可控，和ax.xaxis.set_major_locator()等配合无副作用 -
plt.plot_date()的linestyle参数名是fmt，容易和plot()混淆；且无法直接叠加其他非日期数据系列 - 唯一还可能用到它的场景：快速调试单组时间数据，不想写 locator/formatter —— 但只要需求稍复杂（比如双 y 轴、多子图），立刻得切回
plot()
标记某个时间点的异常值，箭头歪了或文字被截断
plt.annotate() 在时间轴上定位不准，常见原因是没指定 xycoords='data'（默认是 axes fraction），导致坐标系错位；文字被截断则多因 figure 太小或边距没留够。
立即学习“Python免费学习笔记（深入）”；
- 标注时间点必须写全：
plt.annotate('outlier', xy=(target_datetime, value), xycoords='data') - 加箭头用
arrowprops={'arrowstyle': '->'}，避免用旧式arrowprops=dict(arrowstyle='fancy')（在某些 backend 下渲染异常） - 画完所有内容后加一句
plt.tight_layout()，它会重算子图间距，防止 annotate 文字贴边被裁；若仍被截，可手动调plt.subplots_adjust(bottom=0.15)
type(x[0])，比查十遍文档管用。 
