绘制不同小时级时间序列的子图：在每个小时子图上绘制每日平均值。

下面是使用Python和Matplotlib库绘制不同小时级时间序列子图的示例代码：

import pandas as pd
import matplotlib.pyplot as plt

# 创建示例数据
data = {'时间': pd.date_range('2022-01-01 00:00:00', '2022-01-02 23:59:59', freq='1min'),
        '数值': [i**2 for i in range(2880)]}  # 生成0到2879的平方作为示例数据
df = pd.DataFrame(data)

# 添加小时和每日平均列
df['小时'] = df['时间'].dt.hour
df['每日平均值'] = df.groupby(df['时间'].dt.date)['数值'].transform('mean')

# 绘制子图
fig, axs = plt.subplots(24, 1, figsize=(10, 40), sharex=True)  # 创建24个子图，共享x轴

for hour in range(24):
    # 筛选当前小时的数据
    hour_data = df[df['小时'] == hour]
    
    # 绘制当前小时的子图
    axs[hour].plot(hour_data['时间'], hour_data['数值'])
    axs[hour].set_title('Hour: ' + str(hour))
    
    # 绘制每日平均值线
    axs[hour].plot(hour_data['时间'], hour_data['每日平均值'], color='red', linestyle='dashed')
    
    # 设置x轴标签
    axs[hour].set_xlabel('时间')
    
# 调整子图之间的间距
plt.tight_layout()

# 显示图形
plt.show()

这段代码假设你已经有一个包含时间和数值列的DataFrame对象(df)，其中时间列是Pandas的Datetime类型。代码首先创建了一个小时列和每日平均值列，然后使用Matplotlib的subplots函数创建了24个子图。接下来，使用一个循环遍历每个小时，并在对应的子图上绘制该小时的时间序列和每日平均值线。最后，使用tight_layout函数调整子图之间的间距，并使用show函数显示图形。