如何基于带MultiIndex的DataFrame按产品分类绘制多列折线图？

嘿，我刚好也处理过类似的多级索引绘图需求，完全不用拆成多个DataFrame！Pandas的unstack()配合绘图参数就能轻松搞定，下面给你两种简洁的实现方式：

方法一：Unstack+子图（最推荐） #

直接将Product索引拆为列的二级索引，然后利用subplots=True让每一列数据单独生成一个子图，每个子图里自动区分不同Product的折线：

import pandas as pd
import matplotlib.pyplot as plt

# 初始化你的DataFrame
index = pd.MultiIndex.from_tuples(
    zip(['A','A','A','A','B','B','B','B'],[2012,2013,2014,2015,2012,2013,2014,2015]),
    names=['Product','Year']
)
df = pd.DataFrame({
    'col1':[10,20,10,30,50,20,60,80],
    'col2':[40,20,40,30,50,20,60,80],
    'col3':[10,20,80,30,80,20,80,10],
},index=index)

# 核心操作：拆Product索引为二级列，然后绘图
df.unstack('Product').plot(
    kind='line',
    subplots=True,  # 每个原列单独生成子图
    figsize=(10, 8),
    marker='o'  # 加上标记点更清晰
)
plt.tight_layout()  # 自动调整子图间距
plt.show()

这样生成的图里，每个子图对应col1/col2/col3，每个子图内会有两条折线分别对应Product A和B，x轴自动设为Year，完全匹配你的需求。

方法二：Groupby+循环绘图（灵活定制） #

如果你需要更细致地控制每个子图的样式，可以用groupby结合Matplotlib的子图对象：

fig, axes = plt.subplots(1, 3, figsize=(12, 4))  # 创建1行3列的子图

for idx, col in enumerate(df.columns):
    # 按Product分组，绘制当前列的折线
    df.groupby('Product')[col].plot(
        ax=axes[idx],
        marker='s',
        legend=True
    )
    axes[idx].set_title(f'{col} Trend')  # 设置子图标题
    axes[idx].set_xlabel('Year')  # 设置x轴标签

plt.tight_layout()
plt.show()

这种方式适合需要自定义每个子图标题、颜色、图例等场景，代码稍长但灵活性更高。

两种方法都不用拆分DataFrame，选哪种取决于你对绘图样式的定制需求~

内容的提问来源于stack exchange，提问作者Veki