我有一个包含52166个数据点的庞大数据集，数据集看起来像这样：
bc_conc 2010-04-09 10:00:00 609.542000 2010-04-09 11:00:00 663.500000 2010-04-09 12:00:00 524.661667 2010-04-09 13:00:00 228.706667 2010-04-09 14:00:00 279.721667 这是一个pandas数据框，索引是日期时间。现在我想绘制bc_conc的数据与时间的关系，并添加一条趋势线。
我使用了以下代码：
data = data.resample('M', closed='left', label='left').mean()x1 = data.indexx2 = matplotlib.dates.date2num(data.index.to_pydatetime())y = data.bc_concz = np.polyfit(x2, y, 1)p = np.poly1d(z)fig = plt.figure()ax1 = fig.add_subplot(1, 1, 1)plt.plot_date(x=x1, y=y, fmt='b-')plt.plot(x1, p(x2), 'ro')plt.show()然而，如您所见，我对数据进行了重新采样。我这样做是因为如果不这样做，代码只会给我一个没有趋势线的数据图。如果我将数据重新采样为天，图上仍然没有趋势线。如果我将数据重新采样为月份，趋势线就会显示出来。
看起来这个代码似乎只对较小的数据集有效。为什么会这样？我想知道是否有人能向我解释这个问题，因为我想将我的数据重新采样为天，但不想进一步处理…
提前感谢
回答：
这个代码似乎无论使用小时还是每日重新采样的数据都能正常工作。
从100,000个数据点开始：
y = np.arange(0, 1000, .01) + np.random.normal(0, 100, 100000)data = pd.DataFrame(data={'bc_conc': y}, index=pd.date_range(freq='H', start=datetime(2000, 1, 1), periods=len(y)))<class 'pandas.core.frame.DataFrame'>DatetimeIndex: 100000 entries, 2000-01-01 00:00:00 to 2011-05-29 15:00:00Freq: HData columns (total 1 columns):bc_conc 100000 non-null float64dtypes: float64(1) bc_conc2000-01-01 00:00:00 -30.6398112000-01-01 01:00:00 -26.7913962000-01-01 02:00:00 -121.5427182000-01-01 03:00:00 -69.2679442000-01-01 04:00:00 117.731532计算趋势线并可选地重新采样：
data = data.resample('D', closed='left', label='left').mean() # 可选，用于每日数据x2 = matplotlib.dates.date2num(data.index.to_pydatetime()) # 将日期转换为表示自0001-01-01 00:00:00 UTC以来的天数（或天数的一部分）的浮点数[ 730120. 730121. 730122. ..., 734284. 734285. 734286.]z = np.polyfit(x2, data.bc_conc, 1)[ 2.39988999e-01 -1.75220741e+05] # 系数p = np.poly1d(z)0.24 x - 1.752e+05 # 拟合多项式data['trend'] = p(x2) # 从多项式拟合中得到的趋势 bc_conc trend2000-01-01 -29.794608 0.0269832000-01-02 6.727729 0.2669722000-01-03 9.815476 0.5069612000-01-04 -27.954068 0.7469502000-01-05 -13.726714 0.986939data.plot()plt.show()结果如下：
