如何平滑含1440个数据点的Spotify播放时长曲线图？

一、高效平滑曲线（替代插值） #

针对1440个分钟级数据，直接用pandas内置的矢量化平滑方法，速度比插值快几个数量级，同时能有效过滤异常值带来的波动：

1. 先过滤极端异常值（可选但推荐） #

先通过四分位距（IQR）剔除明显的异常值，避免平滑时被干扰：

# 假设播放时长列名为play_duration
q1 = df['play_duration'].quantile(0.25)
q3 = df['play_duration'].quantile(0.75)
iqr = q3 - q1
# 保留在合理范围内的数据
df_clean = df[(df['play_duration'] >= q1 - 1.5*iqr) & (df['play_duration'] <= q3 + 1.5*iqr)]

2. 移动平均平滑 #

用滚动窗口均值做平滑，窗口大小可根据需求调整（比如15代表前后7分钟+当前分钟，平衡平滑度和细节）：

# center=True让窗口以当前点为中心，min_periods=1避免边缘数据缺失
df_clean['smooth_rolling'] = df_clean['play_duration'].rolling(
    window=15, center=True, min_periods=1
).mean()

3. 指数加权移动平均（EWMA） #

如果想更侧重近期数据的趋势，用EWMA，效率同样极高：

# span=10代表加权时侧重最近10个数据点，adjust=False保持权重一致
df_clean['smooth_ewm'] = df_clean['play_duration'].ewm(span=10, adjust=False).mean()

二、无需指定日期处理时间数据 #

把时间列转换为纯时间维度的索引，完全脱离日期约束：

方法1：转为time类型索引 #

如果你的时间是类似"00:00"的字符串：

# 转成datetime后提取时间部分，得到纯时分格式的索引
df['time'] = pd.to_datetime(df['time_str'], format='%H:%M').dt.time
df.set_index('time', inplace=True)

方法2：转为Timedelta索引（更适合时间运算） #

用时长表示一天内的时间，方便后续做分钟级的偏移、分组等操作：

# 转成Timedelta，比如"00:00"对应0天0时0分
df['time_delta'] = pd.to_timedelta(df['time_str'])
df.set_index('time_delta', inplace=True)

之后所有的平滑、绘图操作都只针对一天内的分钟维度，完全不需要指定日期。

内容的提问来源于stack exchange，提问作者Alberto Salazar Lloreda