Python中pandas plot如何将分组数据绘制到同一张图上？

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 创建示例数据
np.random.seed(42)
dates = pd.date_range('2023-01-01', periods=100, freq='D')
groups = ['A', 'B', 'C']
data = {
    'date': np.repeat(dates, 3),
    'group': np.tile(groups, 100),
    'value': np.random.randn(300).cumsum() + 50
}
df = pd.DataFrame(data)

# 方法1：使用pivot_table + plot（适合时间序列）
plt.figure(figsize=(12, 6))
df_pivot = df.pivot_table(index='date', columns='group', values='value')
df_pivot.plot()
plt.title('各组数据趋势对比')
plt.xlabel('日期')
plt.ylabel('数值')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# 方法2：使用groupby循环绘制（更灵活）
plt.figure(figsize=(12, 6))
for name, group in df.groupby('group'):
    plt.plot(group['date'], group['value'], label=name, linewidth=2)
plt.title('各组数据趋势对比')
plt.xlabel('日期')
plt.ylabel('数值')
plt.legend()
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

# 方法3：使用seaborn（统计绘图更便捷）
import seaborn as sns
plt.figure(figsize=(12, 6))
sns.lineplot(data=df, x='date', y='value', hue='group', linewidth=2)
plt.title('各组数据趋势对比')
plt.xlabel('日期')
plt.ylabel('数值')
plt.grid(True, alpha=0.3)
plt.tight_layout()
plt.show()

核心要点：

• pivot_table转置后直接plot最简洁
• groupby循环绘制控制最灵活
• seaborn的hue参数自动处理分组着色

一句话建议： 根据数据结构和需求选择合适的方法，pivot适合规整数据，groupby循环最通用。