如何在同一图表中绘制五个姓名频率DataFrame的折线图？

问题背景 #

需求：创建图表展示2018-2022年Sophia、Isabella、Olivia、Emma、Mia这五个姓名的频率，已通过以下Pandas代码分别得到对应DataFrame：

Sophia = df_years[(df_years.Childs_First_Name == 'Sophia')]
df_Sophia = Sophia.groupby(['Year_of_Birth','Childs_First_Name'])['Count'].sum().reset_index().sort_values(by='Count', ascending=False).head(5)
Isabella = df_years[(df_years.Childs_First_Name == 'Isabella')]
df_Isabella = Isabella.groupby(['Year_of_Birth','Childs_First_Name'])['Count'].sum().reset_index().sort_values(by='Count', ascending=False).head(5)
Olivia = df_years[(df_years.Childs_First_Name == 'Olivia')]
df_Olivia = Olivia.groupby(['Year_of_Birth','Childs_First_Name'])['Count'].sum().reset_index().sort_values(by='Count', ascending=False).head(5)
Emma = df_years[(df_years.Childs_First_Name == 'Emma')]
df_Emma = Emma.groupby(['Year_of_Birth','Childs_First_Name'])['Count'].sum().reset_index().sort_values(by='Count', ascending=False).head(5)
Mia = df_years[(df_years.Childs_First_Name == 'Mia')]
df_Mia = Mia.groupby(['Year_of_Birth','Childs_First_Name'])['Count'].sum().reset_index().sort_values(by='Count', ascending=False).head(5)

当前仅能单独绘制单个DataFrame的折线图（如df_Mia.plot( 'Year_of_Birth' , 'Count' )），需要将五个DataFrame的折线图合并到同一图表中。

解决方案 #

方法一：合并DataFrame后统一绘图

这种方法更高效，先将所有小DataFrame合并，再通过透视表整理成适合绘图的格式，最后一次性生成折线图：

import pandas as pd
import matplotlib.pyplot as plt

# 合并五个姓名的DataFrame
combined_df = pd.concat([df_Sophia, df_Isabella, df_Olivia, df_Emma, df_Mia])

# 转换为透视表：行=年份，列=姓名，值=频率
pivot_df = combined_df.pivot(
    index='Year_of_Birth',
    columns='Childs_First_Name',
    values='Count'
).fillna(0)  # 填充可能的空值为0

# 绘制折线图
pivot_df.plot(kind='line', figsize=(10, 6))
plt.title('2018-2022年热门姓名频率变化')
plt.xlabel('出生年份')
plt.ylabel('频率')
plt.legend(title='姓名')
plt.show()

方法二：在同一坐标轴上逐个绘制

如果不想合并DataFrame，可以先创建一个Matplotlib坐标轴，然后依次在该轴上绘制每个姓名的折线：

import matplotlib.pyplot as plt

# 创建画布和坐标轴
fig, ax = plt.subplots(figsize=(10, 6))

# 逐个绘制每个姓名的折线，指定同一个坐标轴ax
df_Sophia.plot(x='Year_of_Birth', y='Count', ax=ax, label='Sophia')
df_Isabella.plot(x='Year_of_Birth', y='Count', ax=ax, label='Isabella')
df_Olivia.plot(x='Year_of_Birth', y='Count', ax=ax, label='Olivia')
df_Emma.plot(x='Year_of_Birth', y='Count', ax=ax, label='Emma')
df_Mia.plot(x='Year_of_Birth', y='Count', ax=ax, label='Mia')

# 添加图表标注
ax.set_title('2018-2022年热门姓名频率变化')
ax.set_xlabel('出生年份')
ax.set_ylabel('频率')
ax.legend(title='姓名')
plt.show()

额外优化：简化初始数据处理代码

你当前的代码重复了五次筛选分组逻辑，可以一次性处理所有目标姓名，减少冗余：

target_names = ['Sophia', 'Isabella', 'Olivia', 'Emma', 'Mia']

# 一次性筛选所有目标姓名并分组求和
combined_df = df_years[df_years['Childs_First_Name'].isin(target_names)]\
    .groupby(['Year_of_Birth', 'Childs_First_Name'])['Count'].sum().reset_index()

# 后续直接用透视表绘图即可
pivot_df = combined_df.pivot(index='Year_of_Birth', columns='Childs_First_Name', values='Count').fillna(0)
pivot_df.plot(kind='line', figsize=(10,6))
plt.title('2018-2022年热门姓名频率变化')
plt.xlabel('出生年份')
plt.ylabel('频率')
plt.legend(title='姓名')
plt.show()

内容的提问来源于stack exchange，提问作者Matt