如何用matplotlib/seaborn正确绘制分国家分品类的周度出口趋势折线图

• 绘图参数逻辑错位：循环里传入sns.lineplot的数据集是转置后的宽表，指定的x值WeekEndingDate、y值weekly export均不是该数据集的有效列名，会直接触发参数匹配错误，无法正常渲染折线。
• Top5贸易国筛选规则不符合需求：代码通过删除累计出口低于1000的国家做数据过滤，既没有按出口规模排名精准选出前5大贸易伙伴，固定1000的数值阈值也不具备跨数据集的适配性，完全偏离核心目标。
• 时间序列属性丢失：读入的weekEndingDate为字符串格式，没有转换为datetime类型，绘图时会被识别为普通离散分类值，无法实现时间轴的自动排序、间隔适配，最终导致x轴文字拥挤、折线顺序错位。
• 冗余的逐列绘图逻辑：宽表场景下逐列循环调用sns.lineplot，不仅代码执行效率低，还容易触发图例重复渲染的问题，seaborn原生支持通过长表输入一次性完成多组折线的绘制。
• 视觉细节适配缺失：没有对出口额这类大数值做千分位格式优化，没有配置x轴日期的旋转防重叠，也没有按简洁风格隐藏冗余的图表边框，最终视觉效果和参考样式差距明显。

整体逻辑遵循「数据类型转换→按品类筛选Top5贸易国→一次性渲染折线」的流程，兼顾可读性和绘图效率，可直接运行的代码如下：

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.ticker import FuncFormatter

# 配置绘图风格，对齐简洁参考样式
sns.set_style("ticks")
plt.rcParams["font.sans-serif"] = ["SimHei"]  # 适配中文显示
plt.rcParams["axes.unicode_minus"] = False

# 1. 数据读取与基础清洗
url = 'https://gist.githubusercontent.com/adamFlyn/e9ad428a266eccb5dc38b4cee7084372/raw/cfcbe9cf0ed19ada6a4ea409644db7414de9c87f/sales_df.csv'
df = pd.read_csv(url)
df.drop(columns=['Unnamed: 0'], inplace=True)
# *关键修复：转换周度日期为标准时间类型，从根源解决时间轴错位问题
df['weekEndingDate'] = pd.to_datetime(df['weekEndingDate'])
df = df.sort_values('weekEndingDate')

# 2. 逐品类绘制对应折线图
target_commodities = ['FCF_Beef', 'FCF_Pork']
for commodity in target_commodities:
    # 筛选当前品类的有效数据
    sub_df = df[df['commodity'] == commodity]
    # 计算每个国家的总出口额，取Top5贸易国
    country_total = sub_df.groupby('country')['weeklyExports'].sum().sort_values(ascending=False)
    top5_countries = country_total.head(5).index.tolist()
    # 过滤仅保留Top5国家的周度数据
    plot_df = sub_df[sub_df['country'].isin(top5_countries)]
    
    # 3. 初始化画布
    fig, ax = plt.subplots(figsize=(9, 5), dpi=144)
    # 一次性绘制分组折线，不需要逐列循环
    sns.lineplot(
        x='weekEndingDate',
        y='weeklyExports',
        hue='country',
        data=plot_df,
        ci=None,
        linewidth=1.8,
        ax=ax
    )
    
    # 4. 视觉细节优化
    ax.set_title(f"{commodity} 周度出口趋势（Top5贸易国）", fontsize=12, pad=15)
    ax.set_xlabel("", fontsize=10)
    ax.set_ylabel("周度出口规模", fontsize=10)
    # Y轴千分位格式适配大数值
    ax.yaxis.set_major_formatter(FuncFormatter(lambda x, pos: f"{int(x):,}"))
    # X轴日期旋转避免重叠
    plt.xticks(rotation=30, ha='right')
    # 图例放在右侧避免遮挡折线
    ax.legend(bbox_to_anchor=(1.02, 1), loc='upper left', frameon=False)
    # 仅保留浅灰色横向网格，去掉冗余边框
    ax.grid(axis='y', alpha=0.3, linestyle='--')
    sns.despine()
    
    plt.tight_layout()
    plt.show()
    plt.close()

方案说明 #

• 全程采用符合seaborn输入要求的长表格式传参，彻底解决原代码的参数不匹配报错问题
• Top5国家筛选严格按对应品类的累计出口额排名选取，不再依赖无依据的固定阈值，适配不同规模的数据集
• 内置日期类型转换逻辑，时间轴会自动根据周度粒度生成合理的刻度间隔，不会出现文字拥挤、顺序错乱的问题
• 视觉配置完全对齐参考图的简洁风格：无冗余边框、浅灰色横向网格、右侧不遮挡折线的悬浮图例、千分位格式的大数值显示

内容的提问来源于stack exchange，提问作者Adam