Python实现无需手动拆分数据自动创建条形图子图

不需要手动拆分数据集，借助可视化库的原生分面/分组遍历能力即可自动完成多子图绘制，以下是两种可直接运行的实现方式：

前置数据预处理 #

首先确保日期字段格式正确，避免x轴时序错乱：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 构造示例数据集，实际使用时替换为你的DataFrame即可
df = pd.DataFrame([
    ["2022-05-31",21,1],["2022-05-31",22,4],["2022-05-31",28,3],
    ["2022-06-01",21,2],["2022-06-01",22,9],["2022-06-01",28,2],
    ["2022-06-02",22,12],["2022-06-03",22,10],["2022-06-03",23,1],
    ["2022-07-03",25,1],["2022-07-04",22,12],["2022-07-04",23,6],
    ["2022-07-04",25,7],["2022-08-05",22,12],["2022-08-05",23,12],
    ["2022-08-05",25,11],["2022-08-06",22,8],["2022-08-06",23,11],
    ["2022-08-06",25,11]
], columns=["Date","ID","Data"])
# 转换日期格式
df["Date"] = pd.to_datetime(df["Date"])

方案1：Seaborn分面接口（代码量最少） #

Seaborn的catplot函数原生支持按指定字段自动拆分子图，*col="ID"*是实现自动分面的核心参数，不需要手写任何分组、循环逻辑：

sns.catplot(
    data=df,
    x="Date",
    y="Data",
    col="ID", # 按ID字段拆分独立子图
    kind="bar", # 指定绘制条形图
    col_wrap=3, # 每行排布3个子图，避免横向过挤
    height=3, # 单个子图高度
    aspect=1.5 # 单个子图宽高比
)

# 旋转x轴日期标签避免重叠
for ax in plt.gcf().axes:
    ax.tick_params(axis='x', rotation=45)
plt.tight_layout()
plt.show()

该方案的特点：

• 自动识别所有唯一ID，自动匹配子图数量，后续数据集ID增减不需要修改代码
• 自动为每个子图添加对应ID作为标题
• 默认统一所有子图的坐标轴尺度，方便跨ID对比
• 不需要手动拆分数据集、创建子图网格

方案2：Matplotlib+GroupBy（自定义程度更高） #

如果需要更灵活的样式自定义，可以用pandas自带的groupby自动按ID分组遍历，配合Matplotlib生成子图矩阵，同样不需要手动拆分数据集：

unique_ids = df["ID"].unique()
n_id = len(unique_ids)
# 自动计算子图行列数，默认每行放3个子图
n_cols = 3
n_rows = (n_id + n_cols - 1) // n_cols

# 生成子图矩阵
fig, axes = plt.subplots(n_rows, n_cols, figsize=(15, 8))
axes = axes.flatten() # 将二维子图数组展平为一维方便遍历

# 按ID自动分组循环绘图
for idx, (id_val, group_data) in enumerate(df.groupby("ID")):
    current_ax = axes[idx]
    current_ax.bar(group_data["Date"], group_data["Data"])
    current_ax.set_title(f"ID: {id_val}")
    current_ax.tick_params(axis='x', rotation=45)

# 关闭ID数量不足时产生的空白子图
for idx in range(n_id, len(axes)):
    axes[idx].axis('off')

plt.tight_layout()
plt.show()

两种方案都可以自动适配任意数量的ID分组，不需要针对固定ID数量写硬编码逻辑，替换输入的DataFrame即可直接复用。

内容的提问来源于stack exchange，提问作者thentangler