使用pandas的df.melt()选择指定列分批转换长格式实现可视化

核心是利用pandas.melt原生支持的value_vars参数实现指定列转换，再对指标列做切片分批次处理即可，不需要额外自定义参数。

1. 单批指定列转换实现 #

你写的伪代码可以直接替换为如下真实可运行的代码，完全实现选择指定列做melt的需求：

# 选取列索引4到15的列作为转换目标（Python切片左闭右开，所以结束索引写16）
target_cols = df.columns[4:16]
dfm = df.melt(
    id_vars=['PTID','Period'],
    value_vars=target_cols, # 该参数就是用来指定要转换为长格式的列，替代你设想的cols参数
    var_name='Metric',
    value_name='Value'
)

你也可以直接传入列名列表实现自定义选择：target_cols = ['ALK PHOS', 'AST (SGOT)']

2. 分批次可视化完整实现 #

如果要批量处理所有指标，只需要先把所有指标列提取出来，按你需要的每批数量切片循环处理即可，以下是适配你现有代码的完整示例：

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

pd.set_option("display.max_columns", 200)
data = {'PTID': [11111, 11111, 11111, 11111, 22222, 22222, 22222, 22222, 33333, 33333, 33333, 33333, 44444, 44444, 44444, 44444, 55555, 55555, 55555, 55555],
        'Period' : ['Baseline','p1','p2','p3','Baseline','p1','p2','p3','Baseline','p1','p2','p3',  'Baseline','p1','p2','p3', 'Baseline','p1','p2','p3'],
        'ALK PHOS': [46.0, 94.0, 21.0, 18.0, 46.0, 94.0, 21.0, 18.0, 46.0, 94.0, 21.0, 18.0, 46.0, 94.0, 21.0, 18.0, 46.0, 94.0, 21.0, 18.0],
        'AST (SGOT)': [23.0, 82.0, 13.0, 17.0, 23.0, 82.0, 13.0, 17.0, 23.0, 82.0, 13.0, 17.0, 23.0, 82.0, 13.0, 17.0, 23.0, 82.0, 13.0, 17.0],
        '% Saturation- Iron': [34.0, 65.0, 10.0, 14.0, 34.0, 65.0, 10.0, 14.0, 34.0, 65.0, 10.0, 14.0, 34.0, 65.0, 10.0, 14.0, 34.0, 65.0, 10.0, 14.0]}
df = pd.DataFrame(data)

# 配置参数
id_vars = ['PTID','Period']
batch_size = 10 # 每批处理多少个指标，可根据需要调整
col_wrap = 5 # 每行展示多少个子图

# 提取所有需要可视化的指标列（排除id列之外的所有列）
metric_cols = [col for col in df.columns if col not in id_vars]

# 分批次循环处理
for batch_idx in range(0, len(metric_cols), batch_size):
    # 取当前批次的指标列
    batch_metrics = metric_cols[batch_idx: batch_idx + batch_size]
    # 转换为长格式
    dfm = df.melt(id_vars=id_vars, value_vars=batch_metrics, var_name='Metric', value_name='Value')
    # 聚合计算（注意：你原代码中的'Name'列示例数据没有提供，实际运行时请确认列名正确，避免报错）
    dfg = dfm.groupby(['PTID','Period', 'Metric'])['Value'].mean().reset_index()
    # 绘图
    p = sns.relplot(
        data=dfg, col='Metric', x='Period', y='Value', kind='scatter',
        col_wrap=col_wrap, marker='o', palette='tab10',
        facet_kws={'sharey': False, 'sharex': True},
    )
    p.map(sns.lineplot, 'Period', 'Value',  linestyle='--', color='gray', ci = None)
    # 可自定义每张图的标题，方便区分批次
    p.fig.suptitle(f'指标批次 {batch_idx//batch_size + 1}', y=1.02)
    plt.show()

注：原示例代码中groupby用到的Name列未在示例数据中出现，实际使用时请根据真实数据集的列名调整即可。

内容的提问来源于stack exchange，提问作者John Conor