Pandas如何同时按标签分组与时间粒度聚合均值后绘制折线图

需要实现的多折线效果参考：

图表基础规则：

• x轴：datetime时间戳
• y轴：count计数值
• 不同折线对应label字段的不同取值
• 大数据量场景下先按1小时/1天粒度聚合计算count均值

核心问题原因 #

之前的两段代码分别只实现了单一维度的分组逻辑：

• 仅按label分组绘图：没有做时间维度的重采样聚合
• 仅按时间粒度聚合求均值：没有拆分label维度，所有label的数据会被混在一起计算
  只需要把两个分组规则同时传入groupby即可实现需求。

完整实现步骤 #

1. 数据预处理
   读入的csv中datetime是unix时间戳格式，需要先转为pandas可识别的时间类型，再设为数据索引：

   import pandas as pd
   import matplotlib.pyplot as plt
   
   # 读取csv数据
   df = pd.read_csv("your_data_path.csv")
   # 把秒级unix时间戳转为datetime类型
   df["datetime"] = pd.to_datetime(df["datetime"], unit="s")
   # 将时间列设为索引
   df = df.set_index("datetime")
   

2. 双维度分组聚合
   分组时同时传入时间粒度规则和label字段作为分组键，计算每个时间窗口下每个label对应的count均值，再把label维度转为列方便绘图：

   # freq参数控制聚合粒度：'1H'为1小时，'1D'为1天，'2min'为2分钟，按需调整即可
   df_agg = df.groupby(
       [pd.Grouper(freq='1H'), "label"]
   )["count"].mean().unstack()
   

   末尾的unstack()操作会把多层行索引中的label层级转换为列索引，最终输出的表结构为：行是聚合后的时间点，每一列对应一个label的均值结果，刚好适配pandas多折线图的输入要求。

3. 生成折线图
   直接对聚合后的结果调用plot方法，会自动为每个label列生成独立折线：

   df_agg.plot(
       ylabel="count",
       xlabel="datetime",
       figsize=(10,6) # 可按需调整画布大小
   )
   plt.show()
   

内容的提问来源于stack exchange，提问作者Julian