如何用Pandas和Matplotlib按Code分组绘制DateTime-Value折线图

问题场景 #

有一个包含3列、近80万行的DataFrame，需要绘制X轴为Datetime、Y轴为Value的折线图，要求为6种不同的Code各绘制一条单独的折线（各Code对应的数据长度不同不影响），但直接绘图的结果不符合预期。

修正后的示例DataFrame #

原示例代码中Datetime列的写法会被解析为整数（如2022-03-29会计算为1990），需先修正为日期格式：

import pandas as pd

# 初始化数据
data = {
    'Code': ['AABB', 'AABC', 'AABB', 'AABC', 'AABD', 'AABC', 'AABB', 'AABC'],
    'Value': [1, 1, 2, 2, 1, 3, 3, 4],
    'Datetime': ['2022-03-29', '2022-03-29', '2022-03-30', '2022-03-30', 
                 '2022-03-30', '2022-03-31', '2022-03-31', '2022-03-31']
}

# 创建DataFrame并转换日期列类型
df = pd.DataFrame(data)
df['Datetime'] = pd.to_datetime(df['Datetime'])

原代码问题分析 #

你尝试的代码plt.plot(df["DateTime"], df["value"],...)存在两个核心问题：

1. 列名大小写不匹配：原DataFrame日期列是Datetime、数值列是Value，代码中写了DateTime和value
2. 未按Code分组：所有数据点被混在一起绘制，无法区分不同Code的折线

可行解决方案 #

方法1：Groupby分组逐组绘制

适合数据量大的场景，可灵活控制每个Code的样式：

import matplotlib.pyplot as plt

# 设置画布大小
plt.figure(figsize=(12, 6))

# 按Code分组遍历
for code, group in df.groupby('Code'):
    # 按日期排序，确保折线顺序正确
    sorted_group = group.sort_values('Datetime')
    plt.plot(sorted_group['Datetime'], sorted_group['Value'], label=code, marker='o', alpha=0.7)

# 添加图表标注
plt.xlabel('日期时间')
plt.ylabel('数值')
plt.title('不同Code的数值趋势')
plt.legend()
plt.xticks(rotation=45)  # 旋转X轴标签避免重叠
plt.tight_layout()  # 自动调整布局
plt.show()

方法2：透视表简化绘图

如果同一Code和Datetime组合无重复数据，或可接受聚合（如取均值），可以用透视表快速绘图：

# 生成透视表：行=日期，列=Code，值=Value；有重复项时可添加aggfunc='mean'做聚合
df_pivot = df.pivot(index='Datetime', columns='Code', values='Value')

# 直接绘制，pandas自动为每个Code生成折线
df_pivot.plot(figsize=(12, 6), marker='o', alpha=0.7)
plt.xlabel('日期时间')
plt.ylabel('数值')
plt.title('不同Code的数值趋势')
plt.legend(title='Code')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

关键注意事项 #

• 必须确保Datetime列是datetime类型，否则X轴会按非时间顺序排列
• 80万行数据量较大，建议先清理重复/异常值，必要时按时间间隔聚合采样，提升绘图效率
• 分组后务必按Datetime排序，避免因数据顺序混乱导致折线显示异常

内容的提问来源于stack exchange，提问作者JN1997