如何通过迭代实现多ID多特征的DataFrame重叠子图绘制

你完全可以通过封装重复逻辑+循环迭代的方式替代手动写9次子图代码，核心是把单个子图的绘制逻辑抽成函数，再批量遍历ID和特征来生成所有图。下面是具体实现步骤：

1. 先搞定列名映射（解决两个DF结构不同的问题） #

因为两个DF的特征列名不一样，先做个字典把对应特征的列名关联起来，替换成你实际的列名即可：

feature_col_map = {
    "Salary": {"df1": "salary_col_in_df1", "df2": "salary_col_in_df2"},
    "Children": {"df1": "kids_col_in_df1", "df2": "children_col_in_df2"},
    "Expenditure": {"df1": "expense_col_in_df1", "df2": "expenditure_col_in_df2"}
}

2. 提取所有需要处理的ID #

把两个DF里的唯一ID取出来（如果只需要处理共有的ID，就取交集；要全量处理就取并集）：

import pandas as pd

all_ids = pd.concat([df1['id'], df2['id']]).unique()

3. 封装单个子图的绘制函数 #

把画一个特征子图的逻辑写成函数，避免重复写冗余代码：

import matplotlib.pyplot as plt

def draw_single_subplot(ax, target_id, feature_name, col_map, df_a, df_b):
    # 筛选当前ID的数据
    data_a = df_a[df_a['id'] == target_id]
    data_b = df_b[df_b['id'] == target_id]
    
    # 绘制两个DF的曲线
    ax.plot(data_a['cycle'], data_a[col_map['df1']], marker='o', label='DF1')
    ax.plot(data_b['cycle'], data_b[col_map['df2']], marker='s', label='DF2')
    
    # 设置子图样式
    ax.set_title(f'ID {target_id}: {feature_name} vs Cycle')
    ax.set_xlabel('Cycle')
    ax.set_ylabel(feature_name)
    ax.legend()
    ax.grid(alpha=0.3)

4. 循环迭代生成所有子图 #

用嵌套循环遍历每个ID和每个特征，自动生成对应布局的子图：

for current_id in all_ids:
    # 每个ID对应1行3列的子图布局，可根据需求调整行列数
    fig, subplots = plt.subplots(1, 3, figsize=(18, 5))
    # 加个总标题，让图的主题更清晰
    plt.suptitle(f'ID {current_id} - Feature vs Cycle Comparison', fontsize=14, y=1.03)
    
    # 遍历每个特征，给每个子图传参绘制
    for ax, (feat_name, cols) in zip(subplots, feature_col_map.items()):
        draw_single_subplot(ax, current_id, feat_name, cols, df1, df2)
    
    plt.tight_layout()
    plt.show()
    # 如果需要批量保存图片，取消下面注释
    # plt.savefig(f'id_{current_id}_feature_plots.png', dpi=300, bbox_inches='tight')

这样不管你有多少个ID，都不用手动重复写子图代码——后续要加新特征，只在feature_col_map里加新条目就行；要调整子图样式，只改draw_single_subplot函数里的逻辑。

额外小技巧 #

• 如果ID数量多，建议把图片批量保存到本地，避免弹窗太多影响操作
• 要是特征数量变化，直接调整subplots的行列数（比如2行2列）即可
• 想统一所有子图的x轴范围，可以提前计算全局的最小/最大cycle值，在函数里加ax.set_xlim(min_cycle, max_cycle)

内容的提问来源于stack exchange，提问作者NN_Developer