如何按年份分多子图行绘制长格式数据集的柱状图

首先导入必要依赖：

import pandas as pd
import matplotlib.pyplot as plt
# 第二种方案需要额外导入seaborn
import seaborn as sns

方法1：Matplotlib+Pandas原生绘图（无额外依赖） #

不需要安装其他库，手动拆分数据绘制子图，灵活度高：

# 你的原始数据集
data = {'Year':[2019,2019,2019,2020,2020,2020,2021,2021,2021],
        'Month_diff':[0,1,2,0,1,2,0,1,2],
        'data': [12,10,13,16,12,18,19,45,34]}
df = pd.DataFrame(data)

# 获取所有年份，创建3行1列的子图画布
year_list = df['Year'].unique()
fig, axes = plt.subplots(nrows=3, ncols=1, figsize=(6, 9))

# 循环遍历每个年份，在对应子图绘制柱状图
for index, year in enumerate(year_list):
    current_df = df[df['Year'] == year]
    current_df.plot(x='Month_diff', y='data', kind='bar', ax=axes[index], title=f'{year}年数据')
    # 可选：调整x轴标签不旋转，更易读
    axes[index].tick_params(axis='x', rotation=0)
    axes[index].set_ylabel('数值')

# 自动调整子图间距避免重叠
plt.tight_layout()
plt.show()

方法2：Seaborn FacetGrid 快速实现 #

代码更简洁，自动适配子图布局：

sns.set_theme()
# 按Year字段生成行子图，可调整height和aspect修改子图尺寸
g = sns.FacetGrid(df, row='Year', height=3, aspect=2)
# 映射柱状图到子图，指定x、y字段和x轴排序
g.map(sns.barplot, 'Month_diff', 'data', order=[0,1,2], color='#1f77b4')
# 可选：自定义坐标轴和标题样式
g.set_axis_labels('Month_diff', 'data')
g.set_titles(row_template='{row_name}年')
plt.show()

如果你更习惯你提到的多列绘图方式，可以先把长格式数据转为宽格式再绘图：

df_wide = df.pivot(index='Month_diff', columns='Year', values='data')
# 转宽后每列对应一个年份，就可以用你熟悉的df.plot语法分别绘制子图

内容的提问来源于stack exchange，提问作者Patthebug