如何用Pandas按小时分组汇总一周时间序列数据并绘图？

我来帮你搞定这个时间序列分组和可视化的问题～先理清楚你的核心需求：用一周的时间序列数据，不通过循环，按小时维度汇总每日对应小时的Count值，最后生成图表展示结果。咱们先拆解你之前尝试的问题，再给出精准的代码方案。

为什么之前的方法没达到预期？ #

• df.resample('h').sum()：这个是对连续的每小时时间段做汇总（比如2024-01-01 00:00-01:00的Count总和），但你要的是跨天的同一小时汇总（比如所有日期的0点Count加总），所以方向不对。
• groupby([times.hour, times.day])：这个分组逻辑是对的，但你可能没做后续的unstack操作，导致结果是嵌套的分组对象，没法直接看每日对应小时的汇总值，更没法直接绘图。

完整实现步骤（附代码） #

1. 先确保数据索引是Datetime类型

如果你的DataFrame索引还不是时间格式，先转换：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的数据读取后是这样的（替换成你的实际数据路径）
# df = pd.read_csv('your_data.csv', index_col='datetime_column')
df.index = pd.to_datetime(df.index)  # 转换为DatetimeIndex

2. 两种汇总方式，按需选择

方式一：汇总一周内同一小时的总Count（比如所有天的0点Count相加，得到24个值）

这应该是你提到的“汇总每日对应小时的Count值”的核心需求，代码如下：

# 按小时（0-23）分组，对Count求和
hourly_weekly_total = df.groupby(df.index.hour)['Count'].sum()

对应的可视化（柱状图最直观）：

plt.figure(figsize=(12, 6))
hourly_weekly_total.plot(kind='bar', color='skyblue')
plt.title('Weekly Total Count by Hour of Day')
plt.xlabel('Hour (0-23)')
plt.ylabel('Total Count')
plt.xticks(rotation=0)  # 让小时标签不倾斜
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

方式二：按日期+小时分组，查看每日每个小时的Count值（比如每天0点、1点的各自汇总）

如果需要对比一周内每天同一小时的差异，可以用这个：

# 按日期和小时分组，然后unstack把日期转成列，方便横向对比
daily_hourly = df.groupby([df.index.date, df.index.hour])['Count'].sum().unstack(level=0)

对应的可视化（多折线图展示每日趋势）：

plt.figure(figsize=(14, 7))
daily_hourly.plot(ax=plt.gca())
plt.title('Hourly Count per Day (Weekly Data)')
plt.xlabel('Hour of Day')
plt.ylabel('Count')
plt.legend(title='Date', bbox_to_anchor=(1.05, 1), loc='upper left')  # 把图例放外面避免遮挡
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()  # 自动调整布局适配图例
plt.show()

模拟完整示例 #

如果你需要测试，可以用这段模拟数据跑通整个流程：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 生成一周的每小时时间序列数据（Count值随机）
dates = pd.date_range(start='2024-01-01 00:00', end='2024-01-07 23:00', freq='h')
df = pd.DataFrame({'Count': np.random.randint(10, 50, size=len(dates))}, index=dates)

# 转换索引（这里已经是DatetimeIndex，可省略）
df.index = pd.to_datetime(df.index)

# 方式一：同一小时总汇总可视化
hourly_weekly_total = df.groupby(df.index.hour)['Count'].sum()
plt.figure(figsize=(12,6))
hourly_weekly_total.plot(kind='bar', color='skyblue')
plt.title('Weekly Total Count by Hour of Day')
plt.xlabel('Hour (0-23)')
plt.ylabel('Total Count')
plt.xticks(rotation=0)
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.show()

# 方式二：每日各小时汇总可视化
daily_hourly = df.groupby([df.index.date, df.index.hour])['Count'].sum().unstack(level=0)
plt.figure(figsize=(14,7))
daily_hourly.plot(ax=plt.gca())
plt.title('Hourly Count per Day (Weekly Data)')
plt.xlabel('Hour of Day')
plt.ylabel('Count')
plt.legend(title='Date', bbox_to_anchor=(1.05,1), loc='upper left')
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Matteo Peluso