如何绘制年周多级索引pandas DataFrame的连续时间序列图

核心思路是将多级索引中的年份、周数组合为连续的时间戳序列作为x轴，避免绘图工具按年份索引分组绘制多条曲线。

步骤1：导入依赖库 #

import pandas as pd
import matplotlib.pyplot as plt

步骤2：将年+周转换为连续时间戳 #

针对你现有的多级索引DataFrame（假设变量名为df，值列名为Hohokus_gage），执行如下处理：

# 把多级索引转为普通列
df = df.reset_index()
# 构造ISO标准日期，完美兼容53周场景
df['date'] = pd.to_datetime(
    df['year'].astype(str) + '-W' + df['weekofyear'].astype(str) + '-1',
    format='%G-W%V-%u'
)
# 可选：按周对齐时间轴，补全缺失周的空值（避免时间轴跳变）
df = df.set_index('date').sort_index().asfreq('W-MON')

格式说明：%G代表ISO周所属年份，%V代表ISO周数（取值1-53），%u代表周几（1对应周一），该格式可以正确识别存在53周的年份，不会出现日期解析错误。

步骤3：绘制连续时间序列图 #

直接用处理好的日期作为x轴绘图即可，只会生成一条连续曲线：

plt.figure(figsize=(16,6))
plt.plot(df.index, df['Hohokus_gage'], linewidth=0.8)
plt.xlabel('日期')
plt.ylabel('Hohokus_gage值')
plt.title('1923年-2020年周度序列变化')
plt.grid(alpha=0.3)
plt.show()

注意事项 #

• 如果你的周数规则不是ISO周，可调整to_datetime的格式参数适配，比如用%Y-W%U-%w适配美国周数规则
• 如果你不需要补全缺失周，可跳过asfreq步骤，直接用df.plot(x='date', y='Hohokus_gage')绘图

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