来自按级别分组的多索引pandas数据帧的子图

Question

如何基于多索引的某个级别从多索引pandas DataFrame中执行多个绘图？

我的结果来自于在不同场景中使用不同技术的模型，结果可能如下所示：

import numpy as np
import pandas as pd
df=pd.DataFrame(abs(np.random.randn(12,4)),columns=[2011,2012,2013,2014])
df['scenario']=['s1','s1','s1','s2','s2','s3','s3','s3','s3','s4','s4','s4']
df['technology'=['t1','t2','t5','t2','t6','t1','t3','t4','t5','t1','t3','t4']
dfg=df.groupby(['scenario','technology']).sum().transpose()

每个场景每年都会使用技术。我想为每个分享图例的场景设一个子图。

如果我只是使用参数subplots = True，那么它会绘制所有可能的组合（12个子图）

dfg.plot(kind='bar',stacked=True,subplots=True)

基于this response我接近了我想要的东西。

f,a=plt.subplots(2,2)

fig1=dfg['s1'].plot(kind='bar',ax=a[0,0])

fig2=dfg['s2'].plot(kind='bar',ax=a[0,1])

fig2=dfg['s3'].plot(kind='bar',ax=a[1,0])

fig2=dfg['s3'].plot(kind='bar',ax=a[1,1])

plt.tight_layout()

但结果并不理想，每个子情节都有不同的传说......这使得它很难阅读。必须有一种更简单的方法从多索引的数据帧中进行子图...谢谢！

EDIT1：Ted Petrou使用seaborn factorplot提出了一个很好的解决方案，但我有两个问题。我已经定义了一个样式，我宁愿不使用seaborn样式（一个解决方案可以改变seaborn的参数）。另一个问题是我想使用堆积条形图，这需要相当多的extra tweaks。我可以用Matplotlib做类似的事吗？

Answer 1

在我看来，当您整理数据时，更容易进行数据分析 - 使每列代表一个变量。在这里，您有不同列中的所有4年。 Pandas有一个功能和一种方法可以从宽（杂乱）数据中生成长（整洁）数据。您可以使用df.stack或pd.melt(df)来整理数据。然后你可以利用优秀的seaborn库，它希望整洁的数据可以轻松地绘制你想要的任何东西。

整理数据

df1 = pd.melt(df, id_vars=['scenario', 'technology'], var_name='year')
print(df1.head())

  scenario technology  year     value
0       s1         t1  2011  0.406830
1       s1         t2  2011  0.495418
2       s1         t5  2011  0.116925
3       s2         t2  2011  0.904891
4       s2         t6  2011  0.525101

使用Seaborn

import seaborn as sns
sns.factorplot(x='year', y='value', hue='technology', 
               col='scenario', data=df1, kind='bar', col_wrap=2,
              sharey=False)