绘制来自一年时间序列的每周刻度数据

Question

我有一个时间序列，列出了几个月交易历史的期货合约的报价数据。我想要一个图表（折线图），显示时间序列中最近 4 周内每周分时数据的交易历史（该序列不断更新）

X 轴将显示周一至周五的日期，图表上随时会有 4 条单独的线详细说明价格变动数据。我已经设法使用一些代码来绘制每天的最后一笔交易，但我需要绘制分时数据，而不是每行每天只绘制一个数据点。

这是我试图用刻度数据表示的 Excel 图表 (!)，只有线条会更加不稳定，因为会有更多数据点。
本质上，一张图表上的 4 条线显示了过去 4 周的交易分时数据：

我没有我尝试过的代码（它在工作中），但可以在明天上传。

Answer 1

给你一些假数据：

In [11]: rng = pd.date_range('2013', freq='H', periods=1000)

In [12]: df = pd.DataFrame(np.random.randn(len(rng)), index=rng, columns=['data'])

首先，填充周数（作为一列）：

In [13]: df['week'] = df.index.week

接下来，计算从一周开始的时间（可能有更优雅的方法）：

In [14]: df['week_beginning'] = df.index.to_period('W').to_timestamp()

In [15]: df['week_time'] = df.index.to_series() - df['week_beginning']

现在您可以使用pivot_table：

In [16]: df.pivot_table(values='data', rows='week_time', cols='week')
Out[16]: 
<class 'pandas.core.frame.DataFrame'>
Int64Index: 168 entries, 0 to 601200000000000
Data columns (total 7 columns):
33    120  non-null values
34    168  non-null values
35    168  non-null values
36    168  non-null values
37    168  non-null values
38    168  non-null values
39    40  non-null values
dtypes: float64(7)

听起来这就是你想要绘制的东西（使用your previous question 中的技术）：

In [17]: df.pivot_table('data', 'week_time', 'week').rename(columns=lambda x: 'Week ' + str(x)).plot()

注意：这个特殊的情节相当混乱，因为有很多数据点，事先汇总一些数据可能是有意义的。