不能使用 numpy.ndarray 或 pandas groupby 来创建单独的图

Question

我的目的是绘制大型数据集中每个位置 (ID) 的测量数据（var1、var2、Timestamp）。我的数据：

ID  var1    var2    TimeStamp
AA  2       5    8/8/2010 0:00
AA  2.5     5    1/1/2010 0:00
B7  1.1     7    1/9/2010 0:00
B7  2       6    1/8/2010 0:00
B7  3       7    1/1/2010 0:00
B7  3       6    1/9/2010 0:00
C0  4       7    1/8/1900 0:00
...

但是，如图所示，每个位置 ID 的数据（或行）数各不相同（通常在 3-30 之间变化） 要为每个位置绘制变量，我不确定如何进行： 从我目前所经历的情况来看，类似于以下内容：

np.array(data).reshape(500,20,15)

通过原始数据的 np.reshape 创建一个 numpy ndarray 不会让我将数组划分为单独的位置，因为数据的形状不规则。随后，使用 Pands groupby：

data_df.groupby('ID').plot('var1','var2')

立即为每个位置 ID 绘制 var1、var2 的图表，但没有机会迭代每个图表以创建标签/轴/限制等设置。（我还不知道如何迭代 pandas groupby 对象来创建和管理单个地块）

tldr：

有什么好方法可以根据标准（针对每个 ID）从不规则形状的数据（如上所示）创建np.ndarray？

有什么方法可以迭代和控制 pandas dataframe.groupby 对象以绘制（不只是谈论汇总的平均值/最小值/最大值等）变量？

Answer 1

使用pandas 绝对是处理此类数据的方法。

groupby().plot() 返回一个或多个 Axes 对象。你可以简单地迭代它们来改变它们的外观：

axs = data_df.groupby('ID').plot('var1','var2')
for ax in axs.values():
    ax.set_ylabel('whatever')
    ...