如何用Python循环实现DataFrame按id分组的子图绘制？

现有如下Pandas DataFrame，需要为每个id分组绘制cycle与Salary的关系子图，当前通过手动重复编写4次subplot代码实现，希望通过迭代逻辑减少重复代码。

原始DataFrame代码 #

# Load the required libraries
import pandas as pd
import matplotlib.pyplot as plt

# Create dataset
data = {'id': [1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1,
               2, 2, 2, 2, 2, 2, 2,
               3, 3, 3, 3, 3, 3, 3,3,
               4, 4, 4, 4, 4,4,],
        'cycle': [0.0, 0.2,0.4, 0.6, 0.8, 1,1.2,1.4,1.6,1.8,2.0,2.2,
                  0.0, 0.2,0.4, 0.6,0.8,1.0,1.2,
                  0.0, 0.2,0.4, 0.6, 0.8,1.0,1.2,1.4,
                  0.0, 0.2,0.4, 0.6, 0.8,1.0,],
        'Salary': [6, 7, 7, 7,8,9,10,11,12,13,14,15,
                   3, 4, 4, 4,4,5,6,
                   2, 8,9,10,11,12,13,14,
                   1, 8,9,10,11,12,],
        'Children': ['Yes', 'No', 'Yes', 'Yes', 'Yes', 'Yes', 'No','No', 'Yes', 'Yes', 'Yes', 'No',
                     'Yes', 'Yes', 'Yes', 'No', 'Yes', 'Yes', 'Yes', 
                     'Yes', 'No','Yes', 'Yes', 'No','No', 'Yes','Yes',
                     'Yes', 'Yes', 'No','Yes', 'Yes','Yes',],
        'Days': [141, 123, 128, 66, 66, 120, 141, 52,96, 120, 141, 52,
                 141, 96, 120,120, 141, 52,96,
                 141,  15,123, 128, 66, 120, 141, 141,
                 141, 141,123, 128, 66,67,],
        }

# Convert to dataframe
df = pd.DataFrame(data)

简化实现方法 #

可以通过迭代分组数据的方式，只编写一次绘图逻辑即可完成所有子图的绘制，以下提供两种常用实现方式：

方式一：直接遍历groupby分组对象

这种方法自动处理所有id分组，无需手动指定数量，扩展性更强：

plt_fig_verify = plt.figure(figsize=(10,8))
# 按id分组
grouped_data = df.groupby('id')
# 获取分组数量，用于设置子图布局
group_count = len(grouped_data)

# 迭代每个分组
for plot_idx, (id_value, sub_df) in enumerate(grouped_data, start=1):
    # 创建子图：行数为分组数，列数为1，当前子图索引为plot_idx
    plt.subplot(group_count, 1, plot_idx)
    # 绘制cycle与Salary的曲线
    plt.plot(sub_df['cycle'], sub_df['Salary'], 'b', linewidth=1, label=f'id{id_value}')
    # 设置标签与图例
    plt.xlabel('cycle')
    plt.ylabel('Salary')
    plt.legend()

# 自动调整子图间距，避免标签重叠
plt.tight_layout()
plt.show()

方式二：遍历唯一id列表

这种方法逻辑直观，适合需要对id做额外预处理的场景：

plt_fig_verify = plt.figure(figsize=(10,8))
# 获取所有唯一的id值
unique_ids = df['id'].unique()
id_count = len(unique_ids)

# 迭代每个id
for plot_idx, id_value in enumerate(unique_ids, start=1):
    # 筛选当前id对应的数据集
    sub_df = df[df['id'] == id_value]
    # 创建子图
    plt.subplot(id_count, 1, plot_idx)
    # 绘制曲线
    plt.plot(sub_df['cycle'], sub_df['Salary'], 'b', linewidth=1, label=f'id{id_value}')
    plt.xlabel('cycle')
    plt.ylabel('Salary')
    plt.legend()

plt.tight_layout()
plt.show()

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