如何在Python中用365天、52周替代8760小时绘制时序图

8760个timestep对应一年的小时级数据（365天×24小时），先把timestep转成标准时间格式，再按日/周维度聚合后就能轻松绘图。以下是完整可运行的代码：

1. 导入依赖库 #

import pandas as pd
import matplotlib.pyplot as plt

2. 数据加载与时间转换 #

假设你的数据已经存在DataFrame df 中（如果是CSV文件，用pd.read_csv('你的文件路径.csv')读取即可）。将timestep转换为可识别的时间格式：

# 从2023年1月1日0时开始，每个timestep对应1小时
df['datetime'] = pd.date_range(start='2023-01-01 00:00:00', periods=8760, freq='H')

# 将时间列设为索引，方便后续聚合操作
df.set_index('datetime', inplace=True)

3. 按日/周维度聚合数据 #

这里以均值为例，你可根据需求换成sum()（总和）、max()（最大值）等统计方式：

# 按日聚合，计算每日数值均值
daily_data = df['value'].resample('D').mean()

# 按周聚合，计算每周数值均值（默认周从周一开始，要周日开头就加参数：weekday=6）
weekly_data = df['value'].resample('W').mean()

4. 绘制趋势图 #

# 设置清爽的绘图风格
plt.style.use('seaborn-v0_8')

# 绘制日维度趋势图
plt.figure(figsize=(12, 5))
daily_data.plot(title='每日数值趋势')
plt.xlabel('日期')
plt.ylabel('数值')
plt.grid(True)
plt.show()

# 绘制周维度趋势图
plt.figure(figsize=(12, 5))
weekly_data.plot(title='每周数值趋势')
plt.xlabel('周')
plt.ylabel('数值')
plt.grid(True)
plt.show()

补充说明 #

• 若你的timestep不是从年初开始，修改pd.date_range()的start参数即可（比如改成'2023-03-01 08:00:00'）。
• 数据有缺失值的话，聚合前可以用df.fillna(method='ffill')（向前填充）或df.interpolate()（插值填充）补全。

内容的提问来源于stack exchange，提问作者momo