Matplotlib实现时间序列按固定间隔拆分多图绘制

针对你遇到的时间序列拆分后绘图为空的情况，可从以下几个方向排查并修正：

1. 确保时间索引为datetime类型 #

如果DataFrame索引是字符串格式，切片逻辑会直接失效，导致子数据为空。先检查并转换：

import pandas as pd
import matplotlib.pyplot as plt

# 转换索引为datetime类型（若当前为字符串格式）
df.index = pd.to_datetime(df.index)
# 验证类型：输出应为datetime64[ns]
print(df.index.dtype)

2. 修正时间切片与绘图逻辑 #

错误的时间范围生成会导致切片无数据，以下是验证过的完整循环绘图代码：

# 生成所有连续3分钟的起始时间（避免最后一段不足3分钟）
start_times = pd.date_range(
    start=df.index.min(),
    end=df.index.max() - pd.Timedelta(minutes=3),
    freq='3T'
)

# 循环绘制每个子时间段的图
for idx, start in enumerate(start_times):
    end = start + pd.Timedelta(minutes=3)
    # 切片获取当前3分钟的子数据（pandas的.loc支持时间范围闭区间）
    sub_df = df.loc[start:end]
    
    # 跳过无数据的时间段
    if sub_df.empty:
        print(f"警告：{start} 至 {end} 无数据")
        continue
    
    # 创建独立画布，避免子图重叠或覆盖
    plt.figure(figsize=(10, 8))
    
    # 绘制4个变量的子图
    plt.subplot(4, 1, 1)
    plt.plot(sub_df.index, sub_df['Flow'], color='blue')
    plt.title(f"时间段：{start.strftime('%H:%M')} - {end.strftime('%H:%M')}")
    plt.ylabel('Flow')
    
    plt.subplot(4, 1, 2)
    plt.plot(sub_df.index, sub_df['HeartRate'], color='orange')
    plt.ylabel('HeartRate')
    
    plt.subplot(4, 1, 3)
    plt.plot(sub_df.index, sub_df['Pressure'], color='green')
    plt.ylabel('Pressure')
    
    plt.subplot(4, 1, 4)
    plt.plot(sub_df.index, sub_df['O2'], color='red')
    plt.ylabel('O2')
    plt.xlabel('Time')
    
    # 调整布局，避免标签重叠
    plt.tight_layout()
    # 保存子图（或用plt.show()直接显示）
    plt.savefig(f"timeslot_subplot_{idx+1}.png")
    plt.close()  # 关闭画布，释放内存

3. 排查常见坑点 #

• 时间精度不匹配：如果数据时间戳包含毫秒/微秒，切片时可通过start.floor('min')和end.ceil('min')对齐到分钟级别，避免因精度差导致切片为空。
• 起始/结束时间错误：确保start_times的结束时间是df.index.max() - 3分钟，避免生成超出数据范围的时间段。
• 绘图环境问题：在Jupyter Notebook中需添加%matplotlib inline才能显示图像；脚本中需确保plt.savefig或plt.show()被调用，且每次循环创建新画布。

内容的提问来源于stack exchange，提问作者nachodonlucero