如何用Pandas从多索引表提取指定列绘制分组折线图
你现有的双层列MultiIndex结构的多索引表完全不需要重新做聚合,直接按列的外层索引切分指标后再unstack行的分组维度即可,步骤如下:
核心问题原因
之前直接执行df.unstack(level=0).plot()生成6条线,是因为没有先过滤列维度:unstack行的choice mode层级后,列会变成「指标名+聚合方法+choice mode」的三层结构,pandas会把每一个列组合都当成独立折线,自然把两个指标的内容混在了一起。
简便实现方法
方法1:逐图手动绘制
直接用列名外层索引切片提取对应指标子集,再unstack行的choice mode层级转成折线分组,两个图的逻辑完全一致:
# 绘制mplm(prop like me)均值折线图 # 按列层级0提取对应指标,自动去掉列的内层`mean`层级 # 再unstack行的level0(choice mode)为列,作为不同折线的分组 df['mplm'].unstack(level=0).plot( kind='line', xlabel='rlm', ylabel='mplm 均值', title='不同choice mode下mplm均值随rlm的变化' )
# 绘制unhappy均值折线图 df['unhappy'].unstack(level=0).plot( kind='line', xlabel='rlm', ylabel='unhappy 均值', title='不同choice mode下unhappy均值随rlm的变化' )
注意:如果你的原列外层是聚合时的长名
mean prop like me,把上面代码里的'mplm'替换成这个带空格的完整键名即可。执行前可以先运行df.columns.get_level_values(0).unique()核对实际列名,避免因为空格、大小写不匹配报错。
方法2:更灵活的xs切片法
如果你的列MultiIndex层级更多、或者不确定层级顺序,用xs(cross-section)方法按层级取值更稳妥,不用关心列的具体层级名称:
# 绘制mplm图 df.xs('mplm', axis=1, level=0).unstack(level=0).plot() # 绘制unhappy图 df.xs('unhappy', axis=1, level=0).unstack(level=0).plot()
方法3:批量自动生成对应图表
如果后续可能新增其他聚合指标,直接循环遍历列外层的所有指标名,自动生成对应图表,不用重复写代码:
for metric in df.columns.get_level_values(0).unique(): df.xs(metric, axis=1, level=0).unstack(level=0).plot( kind='line', xlabel='rlm', ylabel=f'{metric} 均值', title=f'{metric} 均值随rlm的变化(按choice mode分组)' )
效果说明
切片后unstack得到的数据集索引为rlm取值(自动作为x轴),列就是3种choice mode的取值,pandas绘图时会自动为每一列生成一条独立折线,完全不会混入另一个指标的内容。
内容的提问来源于stack exchange,提问作者Reut
相关产品推荐
相关产品推荐

