如何用Plotly绘制Pandas三层分组后的污染物排放折线图

问题描述 #

我是社区新用户，同时也是Pandas和Plotly的初学者。我有20个州、5年时间里13种污染物的排放数据，各州按CAV_adoption（清洁空气车辆普及率）分为"Top"或"Bottom"两类。我需要为每种污染物绘制折线图：以Year为X轴，Total Emmisions为Y轴，用颜色区分CAV_adoption类别。

目前通过三层groupby得到了平均排放数据，但不清楚如何提取数据用于Plotly绘图，希望先将分组结果转换为常规DataFrame，再完成绘图。

解决方案 #

1. 将分组结果转换为常规DataFrame #

使用reset_index()可以直接把多层索引的分组结果展开为带完整列的DataFrame，完全匹配你想要的格式：

# 把分组后的多层索引数据转为常规DataFrame
avg_em_df = avg_em_by_CAV.reset_index()
# 修正列名拼写（可选，根据你的需求调整）
avg_em_df.rename(columns={"Total Emmisions": "Total Emissions"}, inplace=True)

2. 绘制单污染物折线图（以CO₂为例） #

用Plotly Express可以快速实现需求，代码逻辑直观：

import plotly.express as px

# 筛选二氧化碳的数据
co2_data = avg_em_df[avg_em_df["Pollutant"] == "Carbon Dioxide"]

# 生成折线图
fig = px.line(
    co2_data,
    x="Year",
    y="Total Emissions",
    color="CAV_adoption",  # 用颜色区分CAV类别
    title="Carbon Dioxide Average Emissions by CAV Adoption Level",
    labels={"Total Emissions": "Average Total Emissions (Tons)"},
    markers=True  # 添加数据点，提升可读性
)

# 显示图表
fig.show()

3. 批量生成所有污染物的折线图 #

如果要自动为13种污染物都生成图表，用循环遍历即可：

# 获取所有唯一的污染物名称
all_pollutants = avg_em_df["Pollutant"].unique()

# 循环生成每个污染物的图表
for pollutant in all_pollutants:
    # 筛选当前污染物的数据
    pollutant_data = avg_em_df[avg_em_df["Pollutant"] == pollutant]
    # 生成折线图
    fig = px.line(
        pollutant_data,
        x="Year",
        y="Total Emissions",
        color="CAV_adoption",
        title=f"{pollutant} Average Emissions by CAV Adoption Level",
        labels={"Total Emissions": f"Average Total Emissions ({pollutant_data['UOM'].iloc[0]})"},
        markers=True
    )
    # 显示图表（如果需要保存，可替换为fig.write_html(f"{pollutant}_emissions.html")）
    fig.show()

额外提示：原始数据预处理 #

你的原始数据存在首行异常，建议先清理后再分组，避免潜在问题：

# 删除全为空值的异常行
nei_by_pollutant = nei_by_pollutant.dropna(how="all")
# 重置索引
nei_by_pollutant.reset_index(drop=True, inplace=True)

内容的提问来源于stack exchange，提问作者Scott McL