如何绘制格式为"yyyy-mm-dd hh:mm:ss"的电力消耗时序数据？

我手头有大量按小时拆分的电力消耗数据，正在开展ARIMA分析，但绘图时遇到两个问题：

• x轴日期显示异常：截图中x轴日期格式混乱、刻度重叠，无法清晰展示小时级时间序列的时间逻辑
• 数据曲线显示异常：截图中数据走势出现大量无意义的突变、毛刺，不符合电力消耗的正常波动规律

一、修复x轴日期显示问题 #

1. 强制解析时间列为datetime类型
   读取数据时必须明确将时间列转为时间索引，避免默认按字符串处理：

   import pandas as pd
   # 替换成你实际的时间列名
   df = pd.read_csv("data.csv", parse_dates=["timestamp"], index_col="timestamp")
   # 验证解析结果，应该显示连续的DatetimeIndex
   print(df.index[:5])
   

2. 自定义绘图的日期刻度规则
   用matplotlib调整刻度密度与显示格式，避免重叠：

   import matplotlib.pyplot as plt
   import matplotlib.dates as mdates
   
   plt.figure(figsize=(14,7))
   plt.plot(df.index, df["power_consumption"])  # 替换成你的消耗数据列名
   # 设置每6小时显示一个刻度
   plt.gca().xaxis.set_major_locator(mdates.HourLocator(interval=6))
   # 设置日期显示格式为「年-月-日 时」
   plt.gca().xaxis.set_major_formatter(mdates.DateFormatter("%Y-%m-%d %H"))
   # 旋转标签避免重叠
   plt.xticks(rotation=45)
   plt.tight_layout()
   plt.show()
   

二、修复数据显示异常问题 #

1. 排查并处理异常值
   先定位数据中的极值、缺失值：

   # 查看缺失值数量
   print(df.isnull().sum())
   # 查看数值分布，识别超出合理范围的极值
   print(df["power_consumption"].describe())
   # 筛选偏离均值3倍标准差的异常值
   std_threshold = df["power_consumption"].mean() + 3 * df["power_consumption"].std()
   outliers = df[df["power_consumption"] > std_threshold]
   print("异常值数量：", len(outliers))
   

   处理方式：可直接删除异常行，或用同时间段的均值填充，比如：

   # 用前后1小时的均值填充异常值
   df["power_consumption"] = df["power_consumption"].mask(df["power_consumption"] > std_threshold, df["power_consumption"].rolling(3, center=True).mean())
   

2. 确保时间序列的连续性
   检查时间索引是否存在跳点或重复：

   # 查看时间间隔分布，正常应该全是1小时
   print(df.index.to_series().diff().value_counts())
   # 检查重复时间点数量
   print("重复时间点：", df.index.duplicated().sum())
   

   补全缺失时间点：

   # 按小时频率补全，缺失值用前向填充
   df = df.asfreq("H", method="ffill")
   

   删除重复时间点：

   df = df[~df.index.duplicated()]
   

内容的提问来源于stack exchange，提问作者noobcoder