如何基于DataFrame的id列值绘制子图且无需透视数据？

当然可以做到！完全不需要对DataFrame做透视操作，结合matplotlib的子图布局和pandas的分组功能就能轻松完成你的需求。下面是具体的实现步骤和代码：

实现思路 #

1. 利用groupby("id")直接按ID拆分原始数据，保留原有结构
2. 创建对应数量的子图布局（这里是1行3列）
3. 遍历每个ID的分组数据，在对应子图中绘制多列数据随timestamp的变化曲线
4. 优化图表的标题、轴标签和布局，提升可读性

完整代码示例 #

import pandas as pd
import matplotlib.pyplot as plt

# 准备你的示例数据
datafr = pd.DataFrame(
    columns=["timestamp", "id", "col1", "col2", "col3"],
    data=[[1,"a", 1, 2, 3], [1,"b", 1, 2, 3], [1,"c", 1, 2, 3],
          [2,"a", 1, 2, 3], [2,"b", 1, 2, 3], [2,"c", 1, 2, 3]]
)

# 创建1行3列的子图网格，可根据需求调整尺寸
fig, axes = plt.subplots(nrows=1, ncols=3, figsize=(15, 5))

# 遍历每个ID分组和对应的子图轴
for (id_val, group), ax in zip(datafr.groupby("id"), axes.flat):
    # 在当前子图绘制col1/col2/col3的曲线，X轴绑定timestamp
    group.plot(x="timestamp", y=["col1", "col2", "col3"], ax=ax)
    # 设置子图标题，明确对应ID
    ax.set_title(f"ID: {id_val}")
    # 配置坐标轴标签
    ax.set_xlabel("Timestamp")
    ax.set_ylabel("Value")
    # 显示图例区分不同列
    ax.legend()

# 自动调整子图间距，避免元素重叠
plt.tight_layout()
# 展示最终图表
plt.show()

关键细节说明 #

• datafr.groupby("id")：直接按ID拆分数据，完全保留原始DataFrame的列结构，不需要做任何透视或重塑操作
• axes.flat：将二维的子图轴数组转为一维，方便和分组结果一一对应遍历
• group.plot(...)：对分组后的子DataFrame直接调用绘图方法，指定x轴和要展示的y列，自动在对应子图中生成多条曲线

这种方法既高效又直观，完美匹配你“不透视DataFrame”的需求，同时清晰展示每个ID下多列数据的时间趋势。

内容的提问来源于stack exchange，提问作者Amy21