嘿，这个需求很常见，我给你两种靠谱的实现方式，你可以根据自己的需求选择：

方法一：用透视表快速生成（简洁高效） #

这种方法适合不需要个性化调整单条折线的场景，代码量少，逻辑清晰：

步骤拆解 #

1. 转换时间格式：先把year-month字符串转成datetime类型，确保时间轴的顺序是正确的（避免出现2016-12排在2017-01前面的情况）。
2. 透视数据：将数据整理成「时间为行，分类为列」的格式，这样Pandas可以直接帮我们生成多条折线。
3. 绘图并美化：添加标题、坐标轴标签、图例，调整布局让图表更易读。

完整代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 模拟你的DataFrame（你可以替换成自己的真实数据）
data = {
    'year-month': ['2016-01', '2016-02', '2016-01', '2016-02', '2016-03', '2016-03'],
    'cat': [1, 1, 2, 2, 1, 2],
    'count': [14, 22, 10, 18, 25, 15]
}
df = pd.DataFrame(data)

# 1. 转换时间列格式
df['year-month'] = pd.to_datetime(df['year-month'], format='%Y-%m')

# 2. 透视数据：行=时间，列=分类，值=count
pivot_df = df.pivot(index='year-month', columns='cat', values='count')

# 3. 绘制折线图
plt.figure(figsize=(12, 6))  # 设置画布大小
pivot_df.plot(ax=plt.gca())  # 在当前轴上绘制所有分类的折线

# 添加图表美化元素
plt.title('Count Trend by Category Over 8 Years', fontsize=14)
plt.xlabel('Year-Month', fontsize=12)
plt.ylabel('Count', fontsize=12)
# 把图例放在画布外侧，避免遮挡折线
plt.legend(title='Category', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.xticks(rotation=45)  # 旋转x轴标签，防止重叠
plt.tight_layout()  # 自动调整布局，确保所有元素都显示完整

plt.show()

方法二：循环遍历分类（灵活自定义） #

如果需要给每个分类的折线设置不同的颜色、线型，或者单独处理某些分类的数据，这种循环方法会更灵活：

完整代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 同样先准备数据（替换成你的真实数据）
data = {
    'year-month': ['2016-01', '2016-02', '2016-01', '2016-02', '2016-03', '2016-03'],
    'cat': [1, 1, 2, 2, 1, 2],
    'count': [14, 22, 10, 18, 25, 15]
}
df = pd.DataFrame(data)

# 转换时间列格式
df['year-month'] = pd.to_datetime(df['year-month'], format='%Y-%m')

# 创建画布
plt.figure(figsize=(12, 6))

# 遍历每个唯一的分类，单独绘制折线
for cat in df['cat'].unique():
    # 筛选当前分类的数据，并按时间排序
    subset = df[df['cat'] == cat].sort_values('year-month')
    # 绘制折线，可以自定义颜色、线型等参数
    plt.plot(subset['year-month'], subset['count'], label=f'Category {cat}', linewidth=2)

# 添加图表美化元素
plt.title('Count Trend by Category Over 8 Years', fontsize=14)
plt.xlabel('Year-Month', fontsize=12)
plt.ylabel('Count', fontsize=12)
plt.legend(title='Category', bbox_to_anchor=(1.05, 1), loc='upper left')
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()

注意事项 #

• 如果某些分类在部分月份没有数据，透视后会出现NaN，可以用pivot_df.fillna(0)填充为0，或者pivot_df.dropna()删除缺失值（根据你的业务需求选择）。
• 因为你的数据跨度8年，x轴标签会比较多，rotation=45和tight_layout能有效避免标签重叠问题。

内容的提问来源于stack exchange，提问作者pfnuesel