Python中如何将按年份分列的宽表转换为长表用于matplotlib绘图

用pandas内置的长宽表转换方法即可，1万条数据的转换是毫秒级，不需要手动处理任何数据，全程代码自动化完成。

具体操作步骤 #

• 导入依赖库
  核心用pandas做数据处理，matplotlib做可视化，先导入两个库：

  import pandas as pd
  import matplotlib.pyplot as plt
  

• 读取原始宽表数据
  根据你的文件格式用对应方法读取即可，以csv格式为例：

  # 替换成你自己的文件路径
  df_wide = pd.read_csv("gdp_growth_data.csv")
  

  读取后可以用print(df_wide.columns)确认列结构：第一列为国家名称，后续列均为1950-2021的年份列即可。
• 一行代码完成宽表转长表
  用pandas的melt方法实现长宽表转换，这是最高效的向量化实现，比手写循环快上百倍：

  df_long = df_wide.melt(
      id_vars="国家名称",  # 保留不做转换的标识列
      var_name="年份",     # 转换后原列名存储的字段名
      value_name="GDP增速" # 转换后原单元格数值存储的字段名
  )
  
  # 若年份列读入后是字符串格式，转成整数避免绘图时X轴排序错乱
  df_long["年份"] = df_long["年份"].astype(int)
  

  转换完成后可以用print(df_long.head())抽查结果，每行对应一个国家-年份的GDP增速数据，完全符合你需要的长表结构。
• 绘制要求的散点图
  按国家分组遍历绘图，每个国家作为独立数据系列：

  plt.figure(figsize=(12, 6), dpi=100)
  
  # 按国家分组生成独立散点系列
  for country_name, data in df_long.groupby("国家名称"):
      plt.scatter(
          x=data["年份"],
          y=data["GDP增速"],
          label=country_name,
          alpha=0.6 # 加透明度缓解点重叠遮挡问题
      )
  
  # 图表标注设置
  plt.xlabel("年份")
  plt.ylabel("GDP增速（%）")
  plt.title("1950-2021年各国GDP增速变化")
  # 图例放在绘图区外侧，避免遮挡数据
  plt.legend(bbox_to_anchor=(1.02, 1), loc="upper left", borderaxespad=0)
  plt.tight_layout() # 自动调整布局避免标签被截断
  plt.show()
  

小提示：如果涉及的国家数量过多，图例过长影响观感，可以按需筛选重点国家绘图，或者关闭图例展示。

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