如何用Pandas分组无循环生成带指定标题的散点图

你已经用groupby('name')完成了分组，接下来可以用apply()方法来避免写显式的for循环，自动为每个分组生成对应的散点图。下面是两种可行的方案：

方案1：使用Matplotlib + pandas apply #

先看完整代码：

import pandas as pd
import matplotlib.pyplot as plt

# 创建你提供的DataFrame
data = {'name': ['Jason', 'Jason', 'Tina', 'Tina', 'Tina', 'Jason', 'Tina'], 
        'report_value': [4, 24, 31, 2, 3, 5, 10], 
        'coverage_id': ['m1', 'm2', 'm3', 'm4', 'm5', 'm6', 'm7']}
df = pd.DataFrame(data)

# 定义绘制单组散点图的函数
def plot_single_group(group):
    plt.figure(figsize=(6,4))  # 设置画布大小可选
    plt.scatter(x=group['coverage_id'], y=group['report_value'])
    # 用分组的name设置标题，iloc[0]取该组第一个name值（整组都是同一个name）
    plt.title(f"Scatter Plot for {group['name'].iloc[0]}")
    plt.xlabel('coverage_id')
    plt.ylabel('report_value')
    plt.tight_layout()  # 自动调整布局避免标签被截断
    plt.show()

# 对分组后的DataFrame应用绘图函数
df.groupby('name').apply(plot_single_group)

说明： #

• 我们先定义了一个负责绘制单个分组散点图的函数plot_single_group，它会接收每个分组后的子DataFrame作为参数
• 调用groupby.apply()时，pandas会自动遍历每个分组，把每个子DataFrame传入函数执行，全程不需要手动写for循环
• 每个分组会生成独立的绘图窗口，标题显示对应的人名，x轴是coverage_id，y轴是report_value

方案2：使用Seaborn（更简洁） #

如果你熟悉Seaborn，可以用它的relplot函数一键生成分组子图，代码更简洁：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 创建DataFrame
data = {'name': ['Jason', 'Jason', 'Tina', 'Tina', 'Tina', 'Jason', 'Tina'], 
        'report_value': [4, 24, 31, 2, 3, 5, 10], 
        'coverage_id': ['m1', 'm2', 'm3', 'm4', 'm5', 'm6', 'm7']}
df = pd.DataFrame(data)

# 生成分组散点图
sns.relplot(
    data=df,
    x='coverage_id',
    y='report_value',
    col='name',  # 按name字段分列生成子图
    kind='scatter',  # 指定绘制散点图
    facet_kws={
        'subplot_kws': {'title': lambda ax: f"Scatter Plot for {ax.name}"}
    }
)
plt.tight_layout()
plt.show()

说明： #

• relplot是Seaborn的高阶绘图函数，col='name'会自动按name字段拆分出两个子图（Jason和Tina各一个）
• 通过facet_kws我们可以为每个子图设置对应的标题，直接取子图的name值即可
• 这种方法完全不需要手动处理分组逻辑，代码量更少

内容的提问来源于stack exchange，提问作者Marnix