如何高效为Pandas DataFrame各标签生成并保存单独折线图？

方案1：用Seaborn FacetGrid批量生成子图 #

Seaborn的FacetGrid是专为按类别批量绘图设计的工具，无需手动拆分DataFrame，代码更简洁且样式易统一：

import seaborn as sns
import matplotlib.pyplot as plt

# 设置全局绘图样式
sns.set_style("dark")

# 创建分面网格，按labels列分组，col_wrap控制每行子图数量
g = sns.FacetGrid(df_labels, col="labels", col_wrap=4,
                  height=3, aspect=1.2, facecolor='#293952')

# 为每个子图绘制折线图
g.map(sns.lineplot, "event_date", "counts", color='#FDAC53', linewidth=2.5)

# 调整子图间距，避免标题、标签重叠
g.tight_layout()

# 保存整组分面图
g.savefig("all_labels_facets.png", dpi=100)

# 若需单独保存每个子图
for idx, ax in enumerate(g.axes.flat):
    label = df_labels['labels'].unique()[idx]
    # 单独保存时需指定画布，避免截断
    fig = ax.get_figure()
    fig.savefig(f"chart_{label}.png", dpi=100)

方案2：用groupby高效分组绘图 #

如果偏好手动控制每个子图的细节，可直接用groupby获取分组数据，省去手动创建单独DataFrame的步骤：

import seaborn as sns
import matplotlib.pyplot as plt

# 按labels分组遍历
for label, group_data in df_labels.groupby('labels'):
    fig, ax = plt.subplots(1, facecolor='#293952')
    sns.lineplot(data=group_data, x='event_date', y='counts', color='#FDAC53', linewidth=2.5, ax=ax)
    ax.set_title(f"每日事件统计：{label}")
    ax.set_xlabel("日期")
    ax.set_ylabel("事件数量")
    plt.savefig(f"chart_{label}.png", dpi=100)
    plt.close()  # 关闭画布，释放内存

额外优化：交互式图表（无需拆分图片） #

如果不想生成大量静态图片，可使用Plotly创建交互式图表，支持通过图例开关单独查看任意label的折线：

import plotly.express as px

fig = px.line(df_labels, x='event_date', y='counts', color='labels',
              title="各Label每日事件统计")
fig.update_layout(xaxis_title="日期", yaxis_title="事件数量")
fig.write_html("interactive_label_stats.html")

内容的提问来源于stack exchange，提问作者ozzboy