pandas DataFrame如何在已有绘图上叠加工作日分时均值曲线

你之前无法合并两条曲线的核心原因是avg_week的索引是「星期序号+当日分钟数」的非时间类型值，和最近7天数据的datetime时间轴量纲不统一，仅手动修改x轴刻度标签无法实现坐标点的一一映射，必然会出现错位。

核心思路是不直接绘制多级索引的周均值结果，而是把周均值匹配到最近7天数据的datetime时间轴上，让两个序列共用同一套x轴坐标，即可实现无错位同图绘制，具体实现步骤如下：

• 第一步：预处理时间字段，避免取整逻辑bug
  用pandas原生时间取整方法替代手动计算分钟数的逻辑，减少边界错误：

import pandas as pd
import datetime
import matplotlib.pyplot as plt

# 确保date列为datetime格式
df['date'] = pd.to_datetime(df['date'])
# 按10分钟向下取整生成时间基准列
df['time_10min_round'] = df['date'].dt.floor('10T')
# 提取星期序号（0=周一，6=周日）
df['weekday'] = df['date'].dt.weekday
# 计算取整后时间距当日零点的分钟数，作为均值分组键
df['day_minute'] = df['time_10min_round'].dt.hour * 60 + df['time_10min_round'].dt.minute

• 第二步：生成周均值映射表
  将分组后的周均值转为键值对格式，方便后续快速匹配：

# 计算各工作日各10分钟节点的N均值，转为字典
week_avg_map = df.groupby(['weekday', 'day_minute'])['N'].mean().to_dict()

• 第三步：筛选最近7天数据，匹配对应周均值
  保持你原有的最近7天筛选逻辑，给筛选出的每一条数据匹配对应星期、对应时间点的周均值：

# 按原有逻辑计算时间截断点
time_cutoff = df['date'].max() - pd.Timedelta(
    days=6, 
    minutes=60*datetime.datetime.now().hour + datetime.datetime.now().minute
)
# 筛选最近7天数据
df_recent7 = df[df['date'] > time_cutoff].copy()
# 匹配周均值
df_recent7['week_avg_N'] = df_recent7.apply(
    lambda x: week_avg_map.get( (x['weekday'], x['day_minute']) ),
    axis=1
)

• 第四步：同坐标系绘图
  此时两个序列均以datetime类型的date列为x轴，直接调用plot即可自动对齐：

fig, ax = plt.subplots(figsize=(12, 6), dpi=100)
# 绘制最近7天实际值
df_recent7.plot(
    x='date', y='N', ax=ax, 
    label='最近7天实际N值', color='#ff7f0e', alpha=0.8
)
# 绘制周分时均值
df_recent7.plot(
    x='date', y='week_avg_N', ax=ax, 
    label='工作日分时均值', color='#1f77b4', linewidth=2
)
# 调整x轴样式
ax.tick_params(axis='x', rotation=45, labelsize=9)
ax.set_xlabel('日期时间')
ax.set_ylabel('N值')
ax.legend()
plt.tight_layout()
plt.show()

• 不需要手动计算x轴刻度位置、手动设置标签，matplotlib会自动适配datetime轴的显示格式，不会出现刻度错位
• 周均值和实际值的时间点完全一一对应，比如最近7天里的周五15:00，会自动匹配周五15:00的历史均值，不会出现星期顺序和实际日期不匹配的问题
• 代码逻辑可复用性强，后续如果要调整时间粒度（比如改成5分钟、15分钟均值），只需要修改floor方法的参数即可，不需要重写分组逻辑

内容的提问来源于stack exchange，提问作者Suuuehgi