如何正确分离子图并绘制单条时序曲线？解决多线重复问题

我有一份包含11列的时序数据表，想用matplotlib的subplots函数绘制子图对比各列数据的时序变化。但运行代码后，每个子图都显示11条重复曲线，曲线梯度也没随时间正常变化，没法实现每个子图仅展示对应列单条时序曲线的需求，参考VAR模型教程也没解决，求正确绘图方法。

示例数据表 #

(注：完整表共11列，以下为部分列示例)

当前使用代码 #

import pandas as pd
from datetime import date, timedelta
import datetime
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels.graphics.tsaplots import plot_pacf
from statsmodels.tsa.arima_model import ARIMA
import statsmodels.api as sm
import warnings

from plotly.offline import download_plotlyjs, init_notebook_mode,  plot
from plotly.graph_objs import *
init_notebook_mode()

# 设置文件路径
inputfilepath = "你的数据文件路径"
data = pd.read_csv(inputfilepath, parse_dates=["Time Period"], index_col = "Time Period")

print(data.shape)

# 转换列为datetime格式（已通过read_csv的parse_dates参数处理，此处注释）
#data["Time Period"] = pd.to_datetime(data['Time Period'], format="%d/%m/%Y")

fig, axes = plt.subplots(nrows=3, ncols=4, dpi=110, figsize=(10,6))
for i, ax in enumerate(axes.flatten()):
    macro_data = data[data.columns[i]]
    ax.plot(data, color='red', linewidth=1)
    # 装饰设置
    ax.set_title(data.columns[i], fontsize = 10)
    ax.xaxis.set_ticks_position('none')
    ax.yaxis.set_ticks_position('none')
    ax.spines["top"].set_alpha(0)
    ax.tick_params(labelsize=6)

plt.tight_layout();

错误效果与期望效果 #

• 错误效果：每个子图都绘制了所有11列的曲线，无法区分单条时序变化
• 期望效果：每个子图仅展示对应列的单条时序曲线，清晰对比各列趋势

错误原因 #

循环中ax.plot(data)会把整个DataFrame的所有列都绘制到当前子图中，这就是每个子图出现11条曲线的根本原因。另外，3行4列的子图布局会生成12个轴对象，而我们只有11列数据，最后一个空轴需要隐藏。

修正后的代码 #

import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')

# 设置文件路径
inputfilepath = "你的数据文件路径"
data = pd.read_csv(inputfilepath, parse_dates=["Time Period"], index_col = "Time Period")

print(data.shape)

fig, axes = plt.subplots(nrows=3, ncols=4, dpi=110, figsize=(10,6))
# 遍历前11个轴对象（对应11列数据）
for i, ax in enumerate(axes.flatten()[:len(data.columns)]):
    # 提取当前列的数据
    current_col_data = data.iloc[:, i]
    # 仅绘制当前列的时序曲线
    ax.plot(current_col_data, color='red', linewidth=1)
    # 装饰设置
    ax.set_title(data.columns[i], fontsize = 10)
    ax.xaxis.set_ticks_position('none')
    ax.yaxis.set_ticks_position('none')
    ax.spines["top"].set_alpha(0)
    ax.tick_params(labelsize=6)
    # 旋转x轴标签避免重叠
    plt.setp(ax.get_xticklabels(), rotation=45, ha='right')

# 隐藏第12个多余的子图
axes.flatten()[-1].axis('off')

plt.tight_layout()
plt.show()

关键修改点 #

1. 绘图数据修正：把ax.plot(data)改为绘制提取的单列数据current_col_data，确保每个子图只显示对应列的曲线
2. 子图数量匹配：通过axes.flatten()[:len(data.columns)]只遍历与数据列数对应的子图，最后一个空轴用axis('off')隐藏
3. 优化x轴标签：添加plt.setp(ax.get_xticklabels(), rotation=45, ha='right')避免时间标签重叠

内容的提问来源于stack exchange，提问作者Scythor