如何合并不同时间间隔的两个dataframe实现同步绘图

时间轴不对齐问题处理 #

两类数据采集时段一致但采样间隔不同时，不要直接硬拼时间点，用pandas统一重采样到相同时间粒度即可，操作步骤如下：

• 先把两份数据的时间字段统一转换为标准时间格式，设为索引

import pandas as pd
import matplotlib.pyplot as plt

# 替换为你自己的数据集变量名、时间列名、数值列名
df_volume['timestamp'] = pd.to_datetime(df_volume['timestamp'])
df_step['timestamp'] = pd.to_datetime(df_step['timestamp'])

df_volume = df_volume.set_index('timestamp')
df_step = df_step.set_index('timestamp')

• 选定统一的重采样粒度，建议选两个采样间隔中数值更大的粗粒度，减少无意义的插值：比如音量是10秒采一次、步数是1分钟采一次，就统一对齐到1分钟粒度。密采样的音量数据取时间窗口内的均值，疏采样的步数数据用线性插值/前向填充补全对应时间点的数值：

# 按需调整时间粒度，30s=30秒，1min=1分钟，5min=5分钟
sample_freq = '1min'

# 音量数据按窗口取均值
df_volume_align = df_volume.resample(sample_freq).mean()
# 步数数据插值补全，不需要插值可以换为ffill()前向填充
df_step_align = df_step.resample(sample_freq).interpolate(method='linear')

# 按时间索引合并，剔除空值得到完全对齐的数据集
df_aligned = pd.concat([df_volume_align, df_step_align], axis=1).dropna()

曲线幅度差异过大问题处理 #

步数曲线被压得几乎看不见的核心原因是两类数据量纲、数值范围完全不匹配：环境音量通常在30~120dB区间，单时间窗口的步数往往只有个位数到几十，共用同一个Y轴时步数的波动会被完全压缩。
不要用同Y轴硬画，也不需要强行归一化破坏原始数值含义，直接用双Y轴绘图即可，两个Y轴分别适配两类数据的数值范围：

fig, ax1 = plt.subplots(figsize=(12, 6), dpi=100)

# 左Y轴绑定音量数据
color_vol = '#2563eb'
ax1.set_xlabel('采集时间')
ax1.set_ylabel('环境音量 (dB)', color=color_vol)
line_vol, = ax1.plot(df_aligned.index, df_aligned['volume'], color=color_vol, alpha=0.7, label='环境音量')
ax1.tick_params(axis='y', labelcolor=color_vol)

# 右Y轴绑定步数数据
ax2 = ax1.twinx()
color_step = '#ea580c'
ax2.set_ylabel('时间窗口内步数', color=color_step)
line_step, = ax2.plot(df_aligned.index, df_aligned['step'], color=color_step, alpha=0.7, label='人体步数')
ax2.tick_params(axis='y', labelcolor=color_step)

# 合并图例
plt.legend(handles=[line_vol, line_step], loc='upper right')
plt.title('同步时间轴下环境音量与人体步数变化趋势对比')
plt.tight_layout()
plt.show()

补充：如果后续要做相关性分析，建议先对对齐后的两个序列做平稳性检验，必要时做z-score标准化后再计算相关系数，避免量纲差异干扰结果。

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