Pandas多级索引DataFrame按a、d分组绘制c为X轴的折线图实现方法

核心前提：Pandas内置绘图方法默认将DataFrame的行索引作为X轴，将每一列作为独立Y值序列生成折线，因此只要把数据结构调整到“行索引为c、每列对应一组(a,d)参数组合的mean_traf_tie值”，即可直接生成符合要求的图表。

之前操作的偏差原因 #

• 直接运行df.plot()：未对多层索引做结构转换时，pandas会把a、d、c三个层级的行索引全部拼接为X轴的离散分类标签，无法以连续的c值生成单条连续横轴。
• 仅执行unstack(level=0)后绘图：仅将最外层的a索引移到列上，d和c仍然留在行索引中，最终X轴会叠加d的取值，既无法让c成为唯一横轴，也无法按(a,d)组合拆分独立折线。

分步正确操作 #

1. 调整多层索引结构，将a、d两个层级从行索引移到列索引，仅保留c作为唯一行索引。使用索引名称指定unstack的目标层级，无需依赖层级序号，可避免因索引顺序混淆出错：

   # 选中mean_traf_tie列，指定将a、d两个索引层级从行转列
   plot_ready = df["mean_traf_tie"].unstack(level=["a", "d"])
   

   执行后可通过plot_ready.index.names校验：如果返回值仅为['c']，说明索引转换正确，此时每一列对应一组(a,d)组合的mean_traf_tie序列。
2. 直接调用绘图方法，即可自动匹配X轴为c值、按(a,d)组合生成独立折线：

   plot_ready.plot()
   

3. 可选优化：简化多层索引生成的图例，让图表可读性更强
   将嵌套的列名拼接为清晰的参数标签，替换原本的多级列名：

   plot_ready.columns = [f"a={a_val}, d={d_val}" for a_val, d_val in plot_ready.columns]
   plot_ready.plot()
   

注意：unstack操作的核心逻辑是「选中需要从行移到列的索引层级」，剩下留在行索引的部分就是最终的X轴来源，调整层级参数时只需保证最终行索引只包含c值即可。

内容的提问来源于stack exchange，提问作者Reut