如何按12pm至次日12pm的24小时间隔绘制Pandas DataFrame多幅图表？

针对你的需求——处理3年6秒分辨率的住宅用电数据，按12pm到次日12pm的24小时区间分组，生成1500+单日图表用于睡眠模式标注和后续分类任务，我整理了一套完整的实现步骤，包含代码示例和关键细节说明：

一、数据分组：调整时间窗口至12pm起始 #

你的数据从首日12pm开始，所以需要把分组窗口从默认的午夜起始改为12pm起始。Pandas的pd.Grouper可以轻松实现这个需求，通过offset参数偏移分组起始时间：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 假设你的DataFrame已包含DatetimeIndex，用电数据列名为'power_consumption'
# df = pd.read_csv('your_data.csv', index_col='timestamp', parse_dates=True)

# 设置分组规则：24小时为一个周期，起始点偏移12小时（即从12pm开始）
grouped = df.groupby(pd.Grouper(freq='24H', offset='12H'))

这里的offset='12H'会把每个24小时窗口的起始时间从默认的午夜（00:00）调整为中午12点，完美匹配你的数据起始逻辑。分组后每个组对应一个完整的12pm-次日12pm区间。

二、循环绘制并保存单日图表 #

接下来循环遍历每个分组，绘制单日用电曲线，重点突出夜间时段（方便标注睡眠模式）。为了避免内存溢出，每个图表绘制完成后要及时关闭：

# 创建保存图表的文件夹（不存在则自动创建）
import os
os.makedirs('daily_power_plots', exist_ok=True)

# 遍历每个分组
for group_date, group_data in grouped:
    # 跳过数据量不足的分组（比如首尾可能不完整的区间）
    full_day_records = (24 * 60 * 60) // 6  # 6秒分辨率下，完整24小时应有14400条数据
    if len(group_data) < full_day_records:
        continue
    
    # 创建新的图表画布
    fig, ax = plt.subplots(figsize=(10, 6))
    
    # 绘制用电曲线
    ax.plot(group_data.index.time, group_data['power_consumption'], linewidth=0.8)
    
    # 配置图表样式，突出核心信息
    ax.set_title(f"Power Consumption: {group_date.strftime('%Y-%m-%d')} 12pm - {(group_date + pd.Timedelta(days=1)).strftime('%Y-%m-%d')} 12pm")
    ax.set_xlabel('Time of Day')
    ax.set_ylabel('Power Consumption (kW)')
    
    # 设置x轴刻度为每2小时一次，便于查看夜间时段
    ax.xaxis.set_major_locator(mdates.HourLocator(interval=2))
    ax.xaxis.set_major_formatter(mdates.DateFormatter('%H:%M'))
    
    # 高亮夜间区间（示例为22:00到次日06:00，可根据需求调整）
    ax.axvspan(pd.to_datetime('22:00').time(), pd.to_datetime('06:00').time(), color='gray', alpha=0.2)
    
    # 调整布局并保存图表
    plt.tight_layout()
    plot_filename = f"daily_power_plots/{group_date.strftime('%Y%m%d')}_12pm_to_next.png"
    plt.savefig(plot_filename, dpi=150)
    plt.close(fig)  # 关闭图表释放内存，避免1500幅图占用过多资源

关键细节说明： #

• 数据完整性检查：通过判断分组数据量是否符合6秒分辨率的完整24小时数据（14400条），跳过首尾可能不完整的区间，保证图表都是有效单日数据。
• 夜间高亮：用axvspan标记夜间时段，方便你快速识别与睡眠相关的用电模式。
• 文件名规范：用日期命名图表文件，后续标注时可以直接关联日期，便于整理标签数据。

三、后续标注与分类任务建议 #

1. 标注方式：手动查看每个图表，记录睡眠时段（比如开始和结束时间），将标签保存为CSV文件，包含date、sleep_start、sleep_end等字段，文件名和图表文件名一一对应。
2. 标签整合：后续可以将标签数据和原始用电数据合并，提取夜间用电特征（比如平均功耗、波动幅度、低功耗持续时长等），用于分类模型的训练与测试。

内容的提问来源于stack exchange，提问作者A. Arash Chitgar