如何用迭代方式为不同ID生成重叠子图（Python）

核心思路是通过配置化管理数据源+双层迭代，避免重复编写子图代码。以下是具体实现：

步骤1：准备示例数据（模拟你的df_1和df_2） #

import pandas as pd
import matplotlib.pyplot as plt

# 模拟业务数据
df_1 = pd.DataFrame({
    'ID': ['A', 'A', 'B', 'B', 'C', 'C', 'D', 'D'],
    'cycle_1': [1, 2, 1, 2, 1, 2, 1, 2],
    'Salary_1': [5000, 6000, 7000, 8000, 9000, 10000, 11000, 12000]
})

df_2 = pd.DataFrame({
    'ID': ['A', 'A', 'B', 'B', 'C', 'C', 'D', 'D'],
    'cycle_2': [1, 2, 1, 2, 1, 2, 1, 2],
    'Salary_2': [5500, 6500, 7500, 8500, 9500, 10500, 11500, 12500]
})

步骤2：迭代绘制子图 #

# 定义数据源配置：每个元素包含(数据框, cycle列名, salary列名, 图例标签)
data_configs = [
    (df_1, 'cycle_1', 'Salary_1', 'Cycle 1 vs Salary 1'),
    (df_2, 'cycle_2', 'Salary_2', 'Cycle 2 vs Salary 2')
]

# 获取所有需绘制的唯一ID（取两个df的交集，避免ID缺失）
unique_ids = list(set(df_1['ID']) & set(df_2['ID']))
total_ids = len(unique_ids)

# 创建子图布局（这里用2行2列适配4个ID）
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(12, 8))
axes = axes.flatten()  # 将二维子图数组转为一维，方便迭代

# 外层迭代：遍历每个ID和对应的子图
for idx, target_id in enumerate(unique_ids):
    current_ax = axes[idx]
    
    # 内层迭代：遍历所有数据源，在当前子图绘制曲线
    for df, cycle_col, salary_col, label in data_configs:
        # 筛选当前ID的数据
        id_data = df[df['ID'] == target_id]
        # 绘制折线图（可根据需求调整样式）
        current_ax.plot(id_data[cycle_col], id_data[salary_col], marker='s', linewidth=2, label=label)
    
    # 设置子图基础属性
    current_ax.set_title(f'ID: {target_id}', fontweight='bold')
    current_ax.set_xlabel('Cycle')
    current_ax.set_ylabel('Salary')
    current_ax.legend()
    current_ax.grid(alpha=0.3)

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

关键优势 #

• 可扩展性：后续新增数据源或ID时，只需修改data_configs或调整子图布局，无需重复编写绘图逻辑
• 代码简洁：通过两层迭代替代四次重复的subplot代码
• 一致性：所有子图的样式、标签规则统一，避免手动编写时的不一致问题

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