如何用Pandas和Matplotlib基于分组子集绘制多折线图

别担心，我来帮你搞定这个折线图的问题！要实现以日期为X轴、每个Borough单独折线展示在同一图表的效果，咱们可以按以下步骤操作，我会结合示例代码详细说明：

这是最容易踩坑的一步！如果你的日期列还是字符串格式，Matplotlib没法正确识别日期的顺序，画出来的折线会乱掉。假设你的数据框叫df，日期列名为date，执行这段代码：

import pandas as pd
import matplotlib.pyplot as plt

# 转换日期列格式
df['date'] = pd.to_datetime(df['date'])
# 可以用这个命令验证转换是否成功：print(df['date'].dtype)，输出应该是datetime64[ns]

方式一：用pivot转成宽格式（推荐，代码更简洁） #

把Borough作为列名，日期作为索引，你要展示的数值指标（比如叫metric_value）作为单元格值，这样Pandas可以直接帮你批量绘图：

# 假设你要展示的数值列是metric_value
df_pivot = df.pivot(index='date', columns='Borough', values='metric_value')

转完之后，数据结构会变成：每一行是一个日期，每一列对应一个Borough的指标值。

方式二：按Borough分组（适合需要自定义折线样式的场景） #

如果不想转换数据格式，也可以直接对原始数据按Borough分组，之后逐个绘制折线。

方法一：用Pandas内置plot方法（简单高效） #

如果用了上面的宽格式数据，一行代码就能生成基础图表，Pandas会自动处理图例、日期轴格式化：

df_pivot.plot(kind='line', figsize=(12, 6))
plt.title('Borough Metrics Over Time')
plt.xlabel('Date')
plt.ylabel('Metric Value')
plt.legend(title='Borough')
plt.show()

方法二：手动用Matplotlib循环绘制（更灵活） #

如果需要自定义每个折线的颜色、标记样式，或者添加更多个性化元素，可以用这种方式：

plt.figure(figsize=(12, 6))

# 按Borough分组，逐个绘制折线
for borough, group_data in df.groupby('Borough'):
    # 一定要先按日期排序，保证折线顺序正确
    sorted_group = group_data.sort_values('date')
    # 这里可以自定义颜色、标记，比如color='red', marker='o'
    plt.plot(sorted_group['date'], sorted_group['metric_value'], label=borough)

# 添加图表元素
plt.title('Borough Metrics Over Time')
plt.xlabel('Date')
plt.ylabel('Metric Value')
plt.legend(title='Borough')
# 旋转X轴日期标签，避免重叠
plt.xticks(rotation=45)
# 自动调整布局，防止标签被截断
plt.tight_layout()
plt.show()

• 如果折线顺序混乱：检查日期列是否真的转成了datetime类型，或者分组后是否按日期排序
• 如果某些Borough的折线没显示：检查该Borough是否有有效数据，有没有缺失值，可以用df[df['Borough'] == '目标区'].isna().sum()查看
• 如果图表不弹出：脚本里必须调用plt.show()，Jupyter Notebook中可以省略，但脚本模式下一定要加

内容的提问来源于stack exchange，提问作者VVAPRLBRE