如何用Plotly按DataFrame列值绘制自适应多条折线图？

核心思路 #

无需手动过滤数据，利用可视化库的分组参数或数据透视功能，让程序自动识别fruit列的所有类别并生成对应折线，完全自适应类别数量变化。

步骤1：数据预处理 #

首先将date列转换为datetime类型，确保x轴按时间顺序正确排列：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 构造示例DataFrame（实际场景可替换为你的数据读取逻辑）
data = {
    'fruit': ['apple', 'banana', 'apple', 'banana'],
    'number': [7, 8, 2, 103],
    'date': ['2013-11-4', '2016-4-6', '2018-7-22', '2020-4-4']
}
df = pd.DataFrame(data)

# 转换日期列格式
df['date'] = pd.to_datetime(df['date'])

步骤2：自适应绘图方案 #

方案一：Seaborn 自动分组绘图（推荐）

通过hue='fruit'参数自动按水果类别分组，直接生成多条折线，新增水果类别无需修改代码：

# 设置绘图风格
sns.set_style("whitegrid")

# 绘制折线图，自动识别所有水果类别
sns.lineplot(data=df, x='date', y='number', hue='fruit', marker='o')

# 优化图表显示
plt.title('Fruit Number Over Time')
plt.xlabel('Date')
plt.ylabel('Number')
plt.gcf().autofmt_xdate()  # 自动旋转x轴日期标签，避免重叠
plt.show()

方案二：Pandas 透视表绘图

先将数据转为宽表格式，再直接调用plot方法，同样支持自适应类别：

# 透视数据：以date为索引，fruit为列，number为值
pivot_df = df.pivot(index='date', columns='fruit', values='number')

# 绘制折线图
pivot_df.plot(marker='o')

# 优化图表显示
plt.title('Fruit Number Over Time')
plt.xlabel('Date')
plt.ylabel('Number')
plt.gcf().autofmt_xdate()
plt.legend(title='Fruit')
plt.show()

内容的提问来源于stack exchange，提问作者Dan