如何绘制分钟级分辨率的月度日均功率曲线？

你之前按index.hour分组能得到小时级日均曲线，是因为它把每天同一小时的数据聚合并计算均值。但单独按index.minute分组会出错——这是因为它会把所有小时的第N分钟（比如00:01、01:01…23:01）归为一组，而不是你需要的「每天的HH:MM这个具体时间点」的日均数据。

下面是两种无循环的最优实现方式：

方法1：利用index.time直接分组 #

datetime索引的time属性会返回HH:MM:SS格式的时间对象（你的数据是分钟级，所以就是HH:MM），用它分组刚好对应一天中每个具体的分钟时间点：

# 计算July数据集的分钟级日均功率
minutely_daily_avg = df_jul.groupby(df_jul.index.time)['Power'].mean()

# 绘制曲线
plt.plot(minutely_daily_avg, label='July Minutely Avg')
plt.xlabel('Time of Day')
plt.ylabel('Average Power')
plt.legend()
plt.show()

这种方法最直观，x轴直接显示HH:MM格式的时间，无需额外转换。

方法2：通过「一天内的分钟偏移量」分组 #

如果需要更灵活的x轴控制，可以计算每个时间点在一天中的总分钟数（0到1439，对应00:00到23:59），再分组计算均值：

# 添加列存储一天内的分钟数
df_jul['minute_of_day'] = df_jul.index.hour * 60 + df_jul.index.minute

# 按分钟数分组计算日均功率
minutely_daily_avg = df_jul.groupby('minute_of_day')['Power'].mean()

# 绘制时将分钟数转换为时间格式（可选，让x轴更友好）
plt.plot(pd.to_datetime(minutely_daily_avg.index, unit='m', origin='today'), 
         minutely_daily_avg, label='July Minutely Avg')
plt.xlabel('Time of Day')
plt.ylabel('Average Power')
plt.legend()
plt.show()

两种方法都利用了pandas的内置分组优化，完全不需要循环，效率远高于逐分钟计算。

内容的提问来源于stack exchange，提问作者Teemu