使用Pandas分组并通过Plotly实现两类折线图的技术问询

首先定义原始数据：

import pandas as pd

df = pd.DataFrame({'weight':[12,11,10,14,16,13,12,15,16],
                   'height':[110,111,116,111,110,113,115,114, 112],
                   'name':['Adam', 'Steve','Mike', 'Adam', 'Adam', 'Steve', 'Mike','Mike','Steve'],
                   'category':[1,1,2,2,1,2,1,1,1]})

1. 按name分组绘制weight与height折线图 #

用Plotly Express快速实现，以数据序号作为x轴，通过color参数按name区分折线，同时展示weight和height两个指标：

import plotly.express as px

# 重置索引生成数据序号作为x轴（原数据无序列字段）
df_plot = df.reset_index()

# 生成折线图
fig1 = px.line(df_plot, x='index', y=['weight', 'height'], color='name',
               title='按name分组的weight与height折线图',
               labels={'index': '数据序号', 'value': '数值', 'variable': '指标'})
fig1.show()

2. 按category分张子图，子图内按name绘制折线图 #

先获取所有唯一分类，动态生成对应数量的子图，再循环为每个子图添加对应分类下的分组折线：

import plotly.subplots as sp
import plotly.graph_objects as go

# 获取所有唯一的category
categories = df['category'].unique()
category_count = len(categories)

# 创建横向排列的子图（可调整rows/cols改为纵向排列）
fig2 = sp.make_subplots(rows=1, cols=category_count,
                        subplot_titles=[f'分类 {cat}' for cat in categories])

# 循环处理每个分类
for idx, cat in enumerate(categories, start=1):
    # 筛选当前分类的数据并重置索引
    cat_df = df[df['category'] == cat].reset_index()
    # 获取当前分类下的唯一name
    names = cat_df['name'].unique()
    
    # 为每个name添加weight和height折线
    for name in names:
        name_df = cat_df[cat_df['name'] == name]
        # 添加weight折线
        fig2.add_trace(go.Scatter(x=name_df['index'], y=name_df['weight'],
                                 mode='lines', name=f'{name} - 体重'),
                      row=1, col=idx)
        # 添加height折线
        fig2.add_trace(go.Scatter(x=name_df['index'], y=name_df['height'],
                                 mode='lines', name=f'{name} - 身高'),
                      row=1, col=idx)

# 调整整体布局
fig2.update_layout(title='按category分张子图的weight与height折线图',
                   showlegend=True)
fig2.show()

内容的提问来源于stack exchange，提问作者serdar_bay