自定义起始日的365天周期累计量可视化问题求助

步骤1：优化区间分配函数（可选但推荐） #

原函数使用apply循环效率较低，且可能遗漏部分日期，以下是矢量化优化后的版本，确保所有日期都能正确分配到对应自定义年度区间：

import pandas as pd
import numpy as np

def calculate_intervals(df, start_month, start_day):
    df = df.copy()  # 避免修改原始数据集
    # 初始化年份字段
    df['Year'] = df['Date'].dt.year
    # 生成当前年份的区间起始日期
    current_interval_start = pd.to_datetime(df['Year'].astype(str) + f'-{start_month}-{start_day}')
    # 对早于当前年起始日的日期，归属到上一年的区间
    mask = df['Date'] < current_interval_start
    df.loc[mask, 'Year'] -= 1
    # 重新计算区间的起始和结束日期
    df['Interval_Start'] = pd.to_datetime(df['Year'].astype(str) + f'-{start_month}-{start_day}')
    df['Interval_End'] = df['Interval_Start'] + pd.DateOffset(years=1) - pd.DateOffset(days=1)
    # 生成区间标签
    df['Interval'] = df['Interval_Start'].dt.date.astype(str) + ' - ' + df['Interval_End'].dt.date.astype(str)
    return df

# 应用函数生成区间
df = calculate_intervals(df, start_month=7, start_day=6)

步骤2：计算区间内日期偏移与累计销量 #

1. 计算每个日期相对于所属区间起始日的天数差（即X轴的0-364天）
2. 按区间和日期汇总销量，再计算累计值
3. 补全0-364天的完整序列，确保每个区间的折线覆盖全部时间范围

# 计算天数偏移
df['Day_Offset'] = (df['Date'] - df['Interval_Start']).dt.days

# 按区间和日期汇总每日销量
daily_sales = df.groupby(['Interval', 'Date'])['Bushels'].sum().reset_index()
# 计算每个区间的累计销量
daily_sales['Cumulative_Bushels'] = daily_sales.groupby('Interval')['Bushels'].cumsum()
# 重新同步天数偏移字段
daily_sales['Day_Offset'] = (daily_sales['Date'] - daily_sales['Interval'].str.split(' - ').str[0].apply(pd.to_datetime)).dt.days

# 生成0-364天的完整序列，补全缺失日期的累计值（前向填充）
full_days = pd.DataFrame({'Day_Offset': range(365)})
plot_data = []
for interval in daily_sales['Interval'].unique():
    interval_data = daily_sales[daily_sales['Interval'] == interval][['Day_Offset', 'Cumulative_Bushels']]
    merged = pd.merge(full_days, interval_data, on='Day_Offset', how='left')
    # 缺失日期用前一天的累计值填充，初始值为0
    merged['Cumulative_Bushels'] = merged['Cumulative_Bushels'].ffill().fillna(0)
    merged['Interval'] = interval
    plot_data.append(merged)

plot_df = pd.concat(plot_data)

步骤3：绘制自定义区间累计销量折线图 #

使用Matplotlib绘制折线图，每个自定义年度区间对应一条折线，X轴为区间起始日起的天数，Y轴为累计销量：

import matplotlib.pyplot as plt

plt.figure(figsize=(12, 6))
# 遍历每个区间绘制折线
for interval in plot_df['Interval'].unique():
    subset = plot_df[plot_df['Interval'] == interval]
    plt.plot(subset['Day_Offset'], subset['Cumulative_Bushels'], label=interval)

# 设置图表属性
plt.xlabel('Days Since Interval Start')
plt.ylabel('Cumulative Bushels Sold')
plt.title('Cumulative Bushel Sales by Custom Annual Interval')
plt.legend(title='Custom Interval', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.grid(True)
plt.tight_layout()
plt.show()

关键说明 #

• 优化后的区间分配函数通过矢量化操作替代循环，处理大数据集时效率提升明显
• 补全完整天数序列确保了每个区间的折线都能覆盖0-365天的范围，避免因部分日期无销量导致折线中断
• 前向填充缺失值符合累计销量的逻辑：无销量的日期，累计值与前一日保持一致

内容的提问来源于stack exchange，提问作者keg5038