如何按DataFrame分组列绘制两列数据的独立子图折线图
按人员拆分独立子图的实现方案
首先说明之前生成杂乱折线的核心原因:直接对全量排序后的DataFrame调用plot方法时,pandas会按数据行顺序把所有Person的Score依次连线,不会自动按Person字段拆分独立数据系列,因此会出现跨人员的混乱连线。
以下两种方案均可实现「每个Person独立子图、独立线条配色、独立配套图例」的目标效果:
方案1:matplotlib 手动遍历分组绘制(自定义程度最高)
该方案可完全控制每个子图的线条样式、配色、标记形态与图例位置,适配所有自定义需求:
import numpy as np import pandas as pd import matplotlib.pyplot as plt # 测试数据集复刻 dfdict = {'Person' : ['A','B','B','C','A','A','B','C','A'], 'Year': np.random.randint(2006,2017,9), 'Score':np.random.randint(0,100,9)} df = pd.DataFrame(dfdict) # 前置数据预处理:全量按Person、Year排序,避免折线出现穿点、顺序错乱 df_sorted = df.sort_values(['Person', 'Year']) # 提取所有唯一Person值,匹配对应子图数量 unique_people = sorted(df_sorted['Person'].unique()) # 创建纵向排布的独立子图,开启共享x轴保证时间刻度对齐 fig, axes = plt.subplots( nrows=len(unique_people), ncols=1, figsize=(8, 3 * len(unique_people)), sharex=True ) # 逐个子图绘制对应Person的时间序列折线 for ax, person in zip(axes, unique_people): # 筛选当前Person的专属数据集 person_data = df_sorted[df_sorted['Person'] == person] # 绘制带数据点标记的折线,自动匹配matplotlib循环配色,设置图例标签 ax.plot( person_data['Year'], person_data['Score'], marker='o', color=f'C{unique_people.index(person)}', label=f'Person {person}' ) # 为当前子图添加独立图例 ax.legend(loc='upper right') # 设置子图轴标签 ax.set_ylabel('Score') ax.set_title(f'Score Time Series for Person {person}') # 为最下方子图统一设置x轴标签 axes[-1].set_xlabel('Year') # 自动调整子图间距,避免标签重叠 plt.tight_layout() plt.show()
该方案的效果特点:
- 每个Person拥有独立坐标轴,不存在跨人员的混乱连线
- 每个子图的线条颜色可自定义替换,不会出现配色混杂
- 每个子图的图例仅对应当前展示的人员数据,不会混入其他分组的信息
方案2:pandas 内置绘图接口快速实现
如果无需高度自定义,可借助pandas的分组绘图逻辑快速生成结果,代码更精简:
# 前置数据排序 df_sorted = df.sort_values(['Person', 'Year']) # 遍历分组逐一生成独立子图 for idx, (person, group_df) in enumerate(df_sorted.groupby('Person')): ax = group_df.plot( x='Year', y='Score', color=f'C{idx}', label=f'Person {person}', title=f'Score Trend for Person {person}' ) ax.set_ylabel('Score') ax.legend() plt.tight_layout() plt.show()
注:此前使用
groupby方案未达到预期的核心原因,是遍历分组时没有为每个分组分配独立的绘图轴对象,所有折线都被绘制到了同一个坐标轴上,最终出现线条混杂的问题。
内容的提问来源于stack exchange,提问作者SteP
相关产品推荐
相关产品推荐

