python之绘制一年时间序列中的每周滴答数据

我有一个时间序列，其中列出了几个月交易历史中 future 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 周的每周报价数据的交易历史(该系列不断更新)

X 轴将显示周一至周五的日期，并且图表上随时会有 4 条单独的线详细说明分时数据。我已经设法使用一些绘制每天最后一笔交易的代码来做到这一点，但我需要绘制报价数据而不是每条线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，因为会有更多的数据点。
本质上，一张图表上的 4 条线显示了过去 4 周的交易报价数据:

我没有我试过的代码(它在工作)，但明天可以上传。

请您参考如下方法:

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(作为列):

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

接下来，计算自一周开始以来的时间(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) 

听起来这就是您要绘制的内容(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:这个特定的图相当困惑，因为有很多数据点，事先聚合一些数据可能是有意义的。