我接触Python已经好几个月了，但偶尔还是会被一些小问题难住 😅 这次想请教一下怎么用Matplotlib从按两列分组的DataFrame里绘制子图，或者有没有相关的方法思路可以参考？

先给你看看我用到的DataFrame示例：

我现在是按name和coeff这两列分组，想要实现的效果是：每个name对应一个子图，每个子图里再绘制不同coeff对应的曲线（比如示例里F2和F3各占一个子图，每个子图里有coeff=1和coeff=5两条曲线）。之前按单列分组绘图没什么问题，但多列分组的逻辑我就有点绕不过来了，麻烦帮忙解答下～

别担心，我来一步步给你拆解这个需求，其实多列分组绘图的核心就是先按一级分组（比如name）来生成子图，再在每个子图里遍历二级分组（比如coeff）来画曲线，具体可以这么做：

步骤1：导入需要的库 #

首先得把Pandas和Matplotlib导入进来：

import pandas as pd
import matplotlib.pyplot as plt

步骤2：准备你的DataFrame（这里用你给的示例数据） #

先把示例数据转成DataFrame，当然你也可以直接用自己的数据源：

data = [
    ["F2", "F2_1", 1, 0, 0.56451],
    ["F2", "F2_1", 5, 0, 0.45005],
    ["F2", "F2_2", 1, 25, 0.53641],
    ["F2", "F2_2", 5, 25, 0.53641],
    ["F2", "F2_3", 1, 55, 0.45067],
    ["F2", "F2_3", 5, 55, 0.38828],
    ["F2", "F2_4", 1, 85, 0.33279],
    ["F2", "F2_4", 5, 85, 0.35315],
    ["F2", "F2_5", 1, 95, 0.2756],
    ["F2", "F2_5", 5, 95, 0.32571],
    ["F2", "F2_6", 1, 120, 0.159],
    ["F2", "F2_6", 5, 120, 0.27583],
    ["F2", "F2_7", 1, 150, 0.05648],
    ["F2", "F2_7", 5, 150, 0.21128],
    ["F3", "F3_1", 1, 0, 0.42757],
    ["F3", "F3_1", 5, 0, 0.32409],
    ["F3", "F3_2", 1, 25, 0.36033],
    ["F3", "F3_2", 5, 25, 0.2701],
    ["F3", "F3_3", 1, 55, 0.2161],
    ["F3", "F3_3", 5, 55, 0.17014],
    ["F3", "F3_4", 1, 85, 0.08191],
    ["F3", "F3_4", 5, 85, 0.10512],
    ["F3", "F3_5", 1, 95, 0.04468],
    ["F3", "F3_5", 5, 95, 0.09686],
    ["F3", "F3_6", 1, 120, 0.07025],
    ["F3", "F3_6", 5, 120, 0.033],
    ["F3", "F3_7", 1, 150, 0.10689],
    ["F3", "F3_7", 5, 150, 0.01334],
]
df = pd.DataFrame(data, columns=["name", "N", "coeff", "X1", "Y1"])

步骤3：按多列分组并绘制子图 #

这里的思路是：

1. 先获取所有唯一的name值，确定子图的数量
2. 创建对应的子图布局
3. 遍历每个name，在对应的子图里，再按coeff分组，绘制每条曲线
4. 加上图例、标题这些美化元素，让图更清晰

具体代码如下：

# 获取所有唯一的name，确定子图数量
unique_names = df["name"].unique()
num_plots = len(unique_names)

# 创建子图布局，这里用1行多列，你也可以根据数量调整成多行
fig, axes = plt.subplots(nrows=1, ncols=num_plots, figsize=(12, 5), sharey=True)

# 如果只有一个子图，axes会是单个对象，需要转成列表统一处理
if num_plots == 1:
    axes = [axes]

# 遍历每个name和对应的子图
for ax, name in zip(axes, unique_names):
    # 筛选当前name的数据
    name_data = df[df["name"] == name]
    # 按coeff分组，绘制每条曲线
    for coeff, group in name_data.groupby("coeff"):
        # 绘制X1 vs Y1的曲线，这里可以根据你的需求调整x和y列
        ax.plot(group["X1"], group["Y1"], marker='o', label=f'coeff={coeff}')
    # 设置子图标题
    ax.set_title(f'Name: {name}')
    # 设置坐标轴标签
    ax.set_xlabel('X1')
    ax.set_ylabel('Y1')
    # 添加图例
    ax.legend()

# 调整子图间距，避免重叠
plt.tight_layout()
# 显示图形
plt.show()

代码小解释 #

• 首先通过df["name"].unique()拿到所有要画的子图主题，这样不管你有多少个name，子图数量都会自动适配，不用手动改代码
• 用plt.subplots创建子图时，sharey=True可以让所有子图的Y轴刻度一致，方便不同name的数据对比
• 嵌套循环是核心：外层循环处理每个name对应的子图，内层循环在子图里按coeff分组，把每个分组的数据绘制成一条带标记点的曲线
• 最后用tight_layout()自动调整布局，避免标签和标题重叠，让图看起来更清爽

这样运行代码后，就能得到你想要的效果：每个name一个子图，每个子图里有不同coeff的曲线啦～

备注：内容来源于stack exchange，提问作者Nakira