如何优化Python中年度月度聚合数据的子图绘制代码？

我编写了一段代码，用于绘制8个子图展示数据中按月度聚合的各年度NET值。尝试用循环优化这段冗长代码，但不知道如何处理Pandas DataFrame的query部分，希望能改写或优化。VF_data是包含年度、月度聚合正负数值以及month、year、date列的Pandas DataFrame，原代码如下：

def plot_MTY(df, aggregate_col='NET'):   

plt.subplot(2, 4, 1)
VF_data=df.query("(YEAR == '2015')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 2)
VF_data=df.query("(YEAR == '2016')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 3)
VF_data=df.query("(YEAR == '2017')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 4)
VF_data=df.query("(YEAR == '2018')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 5)
VF_data=df.query("(YEAR == '2019')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 6)
VF_data=df.query("(YEAR == '2020')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 7)
VF_data=df.query("(YEAR == '2021')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.subplot(2, 4, 8)
VF_data=df.query("(YEAR == '2022')")
aggregated_target = aggregate_data(VF_data, 'DATES', aggregate_col)
plt.plot(aggregated_target, label = 'df', linestyle="-")
plt.axhline(y=0, color='b', linestyle='-')
locs, labels = plt.xticks()
plt.setp(labels, rotation=90)

plt.gcf().set_size_inches(15, 8)
plt.show()

优化后的代码 #

import matplotlib.pyplot as plt

def plot_MTY(df, aggregate_col='NET'):
    # 定义需要展示的年份列表，也可以从数据中自动提取：df['YEAR'].unique()
    years = ['2015', '2016', '2017', '2018', '2019', '2020', '2021', '2022']
    # 一次性创建2行4列的子图布局，指定整体尺寸
    fig, axes = plt.subplots(2, 4, figsize=(15, 8))
    # 将二维axes数组扁平化，方便循环遍历
    axes = axes.flatten()
    
    for idx, year in enumerate(years):
        # 用布尔索引筛选年份数据，替代query写法，适配循环变量传入
        year_data = df[df['YEAR'] == year]
        # 执行数据聚合
        aggregated_target = aggregate_data(year_data, 'DATES', aggregate_col)
        
        # 获取当前子图对象
        ax = axes[idx]
        # 绘制折线图
        ax.plot(aggregated_target, label='df', linestyle="-")
        # 添加0值参考线
        ax.axhline(y=0, color='b', linestyle='-')
        # 设置x轴标签旋转90度
        ax.tick_params(axis='x', rotation=90)
        # 给子图添加年度标题，提升可读性
        ax.set_title(f'年度 {year}')
    
    # 自动调整子图间距，避免标签重叠
    plt.tight_layout()
    plt.show()

优化说明 #

• 替代query逻辑：用df[df['YEAR'] == year]的布尔索引替代query字符串查询，避免循环中拼接字符串的麻烦，代码更简洁易维护
• 批量创建子图：使用plt.subplots一次性生成所有子图，返回的axes数组扁平化后可直接按索引匹配年份，无需手动指定subplot(2,4,n)
• 复用绘图逻辑：把重复的绘图、格式设置逻辑放入循环，通过枚举年份和子图索引一一对应，消除代码冗余
• 提升图表可读性：给每个子图添加年度标题，用tight_layout自动调整布局避免元素重叠
• 灵活适配数据：年份列表可以替换为df['YEAR'].unique()，自动适配数据中存在的所有年份，无需手动修改年份值

内容的提问来源于stack exchange，提问作者KateB