如何用Seaborn绘制固定时段的时间序列数据（带均值曲线与误差带）

当然可以实现这类可视化，下面是针对你提供的数据集的完整步骤：

步骤1：预处理数据，提取时段信息 #

首先需要从datetime列中拆分出时段标记和时间点（比如一天内的具体时间），这里以两种常见需求为例：

场景1：按6:00至次日6:00为一个周期 #

我们可以将datetime偏移6小时，让每个周期的起始点对齐到6:00，再提取日期作为周期标记，同时拆分出一天内的时间作为x轴的时间点：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 生成示例数据
date_rng = pd.date_range(start="1.1.2023", end="10.1.2023", freq="15T")
df = pd.DataFrame(date_rng, columns=["datetime"])
df["value"] = pd.Series(range(len(date_rng)))

# 预处理：偏移6小时后提取周期日期，拆分一天内的时间
df["period"] = (df["datetime"] - pd.Timedelta(hours=6)).dt.date
df["time_of_day"] = df["datetime"].dt.time

场景2：按每8小时为一个周期 #

将一天划分为3个8小时时段，提取时段标签和对应的连续时间值（方便x轴连续显示）：

# 预处理：按8小时划分时段
df["8h_period"] = pd.cut(df["datetime"].dt.hour,
                         bins=[0,8,16,24],
                         labels=["00:00-08:00", "08:00-16:00", "16:00-24:00"])
df["time_in_period"] = df["datetime"].dt.hour + df["datetime"].dt.minute/60  # 转换为小时数

步骤2：用Seaborn绘制均值曲线与误差带 #

使用seaborn.lineplot，通过指定参数计算均值并生成误差带，匹配你需要的效果：

针对场景1（6:00至次日6:00周期）的绘图代码 #

sns.set_theme(style="darkgrid")

# 将time_of_day转换为可排序的datetime格式
df["time_of_day"] = pd.to_datetime(df["time_of_day"], format="%H:%M:%S").dt.time

plt.figure(figsize=(12,6))
sns.lineplot(data=df, x="time_of_day", y="value", estimator="mean", ci="sd",
             linewidth=2, color="#007acc")

plt.title("6:00至次日6:00周期的value均值与标准差误差带")
plt.xlabel("一天内的时间")
plt.ylabel("value均值")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

针对场景2（每8小时周期）的绘图代码 #

plt.figure(figsize=(12,6))
sns.lineplot(data=df, x="time_in_period", y="value", hue="8h_period",
             estimator="mean", ci="sd", linewidth=2)

plt.title("每8小时周期的value均值与标准差误差带")
plt.xlabel("时段内的时间（小时）")
plt.ylabel("value均值")
plt.tight_layout()
plt.show()

关键参数说明 #

• estimator='mean'：指定对每个时间点的多周期数据计算均值
• ci='sd'：使用标准差作为误差带，也可替换为ci=95表示95%置信区间
• 如果需要展示每个周期的原始曲线，可添加units='period'参数，同时保留均值曲线

内容的提问来源于stack exchange，提问作者normanius