我有一个包含大量信息的Dataframe，但我想绘制一系列图表（如箱线图和累积密度函数），以六个月为间隔，在几个月内迭代，如：从最早的一个月（一月、二月、三月、四月、五月、六月）开始的前六个月的绘图，然后从第二早的一个月（二月、三月、四月、五月、六月、七月）开始的另一个六个月的绘图，然后（三月、四月、五月、六月、七月、八月）等等。
我尝试了一种可能非常幼稚的方法来迭代循环：

months = df_filt['time'].unique()

其输出如下：

然后道：

j = 0
k = 0

while j < len(months) - 5:
    while k < 6:
        dff = df_filt.loc[df_filt['time'] == months[k]]
        dff = pd.concat(dff)
        k += 1

    sns.histplot(data=df_filt,
                 x='hrs_prev',
                 hue='Faltou',
                 bins=len(df_filt),
                 stat="density",
                 element="step",
                 fill=False,
                 cumulative=True,
                 common_norm=False)
    plt.title("Cumulative distribution function")
    plt.show()

    k = 0

这显然是错误的，因为当k=0在循环结束时，我会一遍又一遍地绘制相同的东西。我可以将while k < 6改为另一个东西，因为循环总是完成工作，但它们从来不是完成工作的最佳方式......
我可以尝试如下方法：.... k = k-5
这个方法是可行的，因为在循环结束时，j会以正确的方式递增，看起来是可行的，但是我听说Pandas有一个内置的函数，它可以处理时间序列的滞后，或者叫做ThreadPoolExecutor，但是我似乎没有找到能帮我的例子。
所以，我的问题是：
有没有什么最佳的方法来处理时间序列，并且可以按照我需要的方式绘制数据间隔？ThreadPoolExecutor是正确的方法吗？或者我必须手工完成？
任何帮助都将是巨大的感谢，并将真正保存我一个巨大的时间