很抱歉，由于您之前没有提供具体的代码，我无法直接在您的现有代码上进行修改。不过，我可以基于一般的Python数据分析库pandas和matplotlib的基础上，给您构建一个完整的示例，包括导入必要的库、读取Excel文件、进行30分钟滚动平均并计算单日内自相关系数。假设您有一个名为'data'的DataFrame，其中包含时间戳'time'和数值变量'out_num'。 ```python import pandas as pd import numpy as np from matplotlib import pyplot as plt from statsmodels.tsa.stattools import acf def plot_station_data_with_autocorrelation(file_path, sheet_name='Sheet1', time_col='time', value_col='out_num'): # 导入数据 data = pd.read_excel(file_path, sheet_name=sheet_name) # 确保日期格式正确 if not pd.api.types.is_datetime64_index(data.index): data.set_index(time_col, inplace=True) data.index = pd.to_datetime(data.index) # 创建一个6天的数据框，每天25个30分钟间隔 days = [i * 24 for i in range(6)] # 假设一天有24小时，每个小时5个30分钟 daily_frames = [] for day_start in days: day_end = day_start + 24*5 daily_data = data.loc[day_start:day_end] daily_smoothed = daily_data[value_col].rolling(window=2.5).mean() # 30分钟相当于1.25小时，所以窗口大小为2.5小时 daily_frames.append(daily_smoothed) # 绘制所有6天的数据和自相关图 fig, axs = plt.subplots(len(days), sharex=True, figsize=(10, 15)) for i, daily_smoothed in enumerate(daily_frames): axs[i].plot(daily_smoothed.index, daily_smoothed, 'o') acf_val = acf(daily_smoothed.dropna(), nlags=24) # 一日最多24个30分钟间隔 axs[i].text(.95, .95, f"Day {days[i]}\nAutocorrelation Coefficient at lag 0: {acf_val[0]:.3f}", transform=axs[i].transAxes, ha='right', va='top', fontsize=10) axs[-1].set_xlabel('Time') axs[0].set_ylabel(value_col) plt.tight_layout() plt.show() # 使用方法 file_path = "your_file.xlsx" # 替换为您的Excel文件路径 plot_station_data_with_autocorrelation(file_path) ``` 这个代码会读取Excel文件，提取指定的工作表，计算每天的30分钟滚动平均值，并在每个图表底部显示当天的自相关系数。请注意，您需要根据实际情况调整文件路径、工作表名称以及时间列和值列的名称。