我有一系列按时间值（浮点数）编制索引的数据，我想提取该系列的大部分并将其相互绘制。例如，假设我在20周的时间内大约每10分钟获取一次股价，并且我想绘制20条线的股价来查看每周模式。所以我的X轴是一个星期，我有20条线（对应于该周的价格）。
更新
索引不是均匀间隔的值，而是一个浮点数。就像这样：
t = np.arange(0,12e-9,12e-9/1000.0)
noise = np.random.randn(1000)/1e12
cn = noise.cumsum()
t_noise = t+cn
y = sin(2*math.pi*36e7*t_noise) + noise
df = DataFrame(y,index=t_noise,columns=["A"])
df.plot(marker='.')
plt.axis([0,0.2e-8,0,1])
因此索引不是均匀分布的。我正在处理来自模拟器的电压与时间的数据。我想知道如何创建一个时间窗口T，并将df拆分为T long的块，并将它们相互绘制。因此，如果数据的长度为20 * T，那么在同一图中将有20条线。
对困惑感到抱歉;我用股票类比的方式认为可能会有所帮助。
最佳答案
假设pandas.TimeSeries对象为起点，则可以分组
ISO周编号和ISO工作日的元素datetime.date.isocalendar()。以下语句（忽略ISO年）汇总了每天的最后一个样本。
In [95]: daily = ts.groupby(lambda x: x.isocalendar()[1:]).agg(lambda s: s[-1])
In [96]: daily
Out[96]:
key_0
(1, 1) 63
(1, 2) 91
(1, 3) 73
...
(20, 5) 82
(20, 6) 53
(20, 7) 63
Length: 140
可能会有更干净的方法执行下一步，但是目标是将索引从元组数组更改为MultiIndex对象。
In [97]: daily.index = pandas.MultiIndex.from_tuples(daily.index, names=['W', 'D'])
In [98]: daily
Out[98]:
W D
1 1 63
2 91
3 73
4 88
5 84
6 95
7 72
...
20 1 81
2 53
3 78
4 64
5 82
6 53
7 63
Length: 140
最后一步是从工作日“取消堆叠”
MultiIndex，为每个工作日创建列，并用缩写代替工作日数字，以提高可读性。
In [102]: dofw = "Mon Tue Wed Thu Fri Sat Sun".split()
In [103]: grid = daily.unstack('D').rename(columns=lambda x: dofw[x-1])
In [104]: grid
Out[104]:
Mon Tue Wed Thu Fri Sat Sun
W
1 63 91 73 88 84 95 72
2 66 77 96 72 56 80 66
...
19 56 69 89 69 96 73 80
20 81 53 78 64 82 53 63
要为每周创建一个折线图，请转置数据框，使列为周数，行为工作日（请注意，可以通过在上一步中取消堆叠周数来代替工作日来避免此步骤），并调用。
grid.T.plot()