在Python中，如何基于两个类别的groupby（）创建线条图，其中一个类别是图例？

我使用此代码按年份和大陆对平均预期寿命进行分组：

avg_lifeExp_by_cont_yr = df.groupby(['year','continent'])['lifeExp'].mean()

结果如下所示：

---

我想创建一个折线图，其中x轴上有年份，y轴上有平均预期寿命，大陆用作图例（因此每个大陆一条线）。

您可以使用

df.unstack（'大陆'）

将大陆作为列，然后此数据框成为一个2D表格，其中第一列是x，其他列为Y。您可以直接调用

plot

函数或通过原始matplotlib操作自己控制绘图

感谢您提供的数据，以下是您请求的完整代码示例：

# imports
import pandas as pd
import matplotlib.pyplot as plt
# prepare dataframe
df = pd.read_csv('gapminder.tsv', sep='\t')
df = df.groupby(['year','continent']).lifeExp.mean()

# unstack the `continent` index, to place it as columns
df = df.unstack(level='continent')

# The name of columns would become the name of legend
# when using dataframe plot
df.columns.name = 'Life Expectation'

# Now, we have a 2d talbe, 1st column become to X
# and other columns become to Y
# In [14]: df.head()
# Out[14]:
# Life Expectation     Africa  Americas       Asia     Europe  Oceania
# year
# 1952              39.135500  53.27984  46.314394  64.408500   69.255
# 1957              41.266346  55.96028  49.318544  66.703067   70.295
# 1962              43.319442  58.39876  51.563223  68.539233   71.085
# 1967              45.334538  60.41092  54.663640  69.737600   71.310
# 1972              47.450942  62.39492  57.319269  70.775033   71.910

# matplotlib operations
# Here we use dataframe plot function
# You could also use raw matplotlib plot one column each to do fine control
# Please polish the figure with more configurations
fig, ax = plt.subplots(figsize=(6, 4.5))
df.plot()

数据处理中有几个技巧，请检查代码中的注释。粗略的情节看起来像

请使用更多matplotlib操作来润色您的图形。例如：

• 设置y标签
• 两个大的高度，将图例设置为两列以减小它
• 线条的颜色或线条的形状
• 用记号笔划线

这里有一些调整

# set axis labels
ax.set_xlabel('Year')
ax.set_ylabel('Life Expection')

# set markers
markers = ['o', 's', 'd', '^', 'v']
for i, line in enumerate(ax.get_lines()):
    line.set_marker(markers[i])

# update legend
ax.legend(ax.get_lines(), df.columns, loc='best', ncol=2)

plt.tight_layout()

现在的图形如下所示：

---

使用

透视表
（）：

数据可以在GitHub上找到：非常感谢！这就成功了。当我意识到您基本上是使用unstack（）来旋转数据时，我还尝试使用Pandas pivot_table（），这同样有效。
data = pd.read_csv("https://raw.githubusercontent.com/chendaniely/pandas_for_everyone/master/data/gapminder.tsv", sep="\t")
data.pivot_table(values="lifeExp", index="year", columns="continent").plot()