按pandas DataFrame分类列唯一值生成Plotly折线图并实现条件过滤

最简实现（无需提前存储子数据集字典） #

直接遍历groupby返回的迭代对象即可，无需额外生成字典存储子数据集，内存占用更低：

import pandas as pd
import plotly.graph_objects as go

# 提前将Date列转为时间类型，避免X轴显示异常
df['Date'] = pd.to_datetime(df['Date'])

# 遍历分类分组
for category, group_df in df.groupby('Category'):
    # 👇 判断条件可根据实际业务调整，示例为当前分类Number列总和超过全表Y列总和的25%
    if group_df['Number'].sum() > df['Y'].sum() * 0.25:
        # 生成单类别折线图
        fig = go.Figure()
        fig.add_trace(go.Scatter(
            x=group_df['Date'],
            y=group_df['Number'],
            mode='lines',
            name=category
        ))
        fig.update_layout(
            title=f'类别{category}数值趋势',
            xaxis_title='日期',
            yaxis_title='Number数值'
        )
        # 可选择直接展示或保存图表
        fig.show()
        # fig.write_html(f"./{category}_趋势图.html")

合并为单张图表的实现 #

如果确认图表不杂乱需要合并，只需把图表初始化逻辑移到循环外即可：

import pandas as pd
import plotly.graph_objects as go

df['Date'] = pd.to_datetime(df['Date'])
fig = go.Figure()

for category, group_df in df.groupby('Category'):
    if group_df['Number'].sum() > df['Y'].sum() * 0.25:
        fig.add_trace(go.Scatter(
            x=group_df['Date'],
            y=group_df['Number'],
            mode='lines',
            name=category
        ))

fig.update_layout(
    title='全类别数值趋势对比',
    xaxis_title='日期',
    yaxis_title='Number数值'
)
fig.show()

已有思路的补充说明 #

• 你最早用unique取唯一值的思路没有错误，只是实现效率低于直接遍历groupby，写法如下：

  for category in df['Category'].unique():
      group_df = df[df['Category'] == category]
      # 后续绘图逻辑和上文完全一致
  

• 你已经生成的子数据集字典也可以直接遍历使用，写法为for category, group_df in df1.items()，后续逻辑和遍历groupby完全一致，只是额外占用了内存存储所有子数据集，数据量大时不推荐。

注：判断条件可根据业务需求灵活调整，比如替换为group_df['Number'].max()、group_df['Number'].mean()等统计指标，阈值也可按需修改

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