Python，對子數據框架進行子圖繪制的最有效方法

Question

我正在嘗試繪制9的子圖（在此示例中，但是該數字對於其他用例而言是可變的）折線圖，顯示了按縣/地區划分的數據點數量。

到目前為止，我有：

Surrey1 = df[df.county == 'Surrey']
Surrey2 = Surrey1.county.groupby(df.date_stamp).value_counts()


East_Sussex1 = df[df.county == 'East Sussex']
East_Sussex2 = East_Sussex1.county.groupby(df.date_stamp).value_counts()

West_Sussex1 = df[df.county == 'West Sussex']
West_Sussex2 = West_Sussex1.county.groupby(df.date_stamp).value_counts()


Buck1 = df[df.county == 'Buckinghamshire']
Buck2 = Buck1.county.groupby(df.date_stamp).value_counts()


Norfolk1 = df[df.county == 'Norfolk']
Norfolk2 = Norfolk1.county.groupby(df.date_stamp).value_counts()


Suffolk1 = df[df.county == 'Suffolk']
Suffolk2 = Suffolk1.county.groupby(df.date_stamp).value_counts()

Essex1 = df[df.county == 'Essex']
Essex2 = Essex1.county.groupby(df.date_stamp).value_counts()

Kent1 = df[df.county == 'Kent']
Kent2 = Kent1.county.groupby(df.date_stamp).value_counts()

# Create the fig
fig, axes = plt.subplots(nrows=8, ncols=1, figsize=(12,6))

# Now plot
pd1_N.plot(ax = axes[0], subplots=True, legend=False) 
pd2_S.plot(ax = axes[1], subplots=True, legend=False)
pd3_ES.plot(ax = axes[2], subplots=True, legend=False)
pd4_WS.plot(ax = axes[3], subplots=True, legend=False)
pd5_B.plot(ax = axes[4], subplots=True, legend=False)
pd6_S.plot(ax = axes[5], subplots=True, legend=False)
pd7_E.plot(ax = axes[6], subplots=True, legend=False)
pd8_K.plot(ax = axes[7], subplots=True, legend=False)

產生：

有沒有更快/更有效的方法來做到這一點？ 同樣，有關如何使圖形更具表現力的提示也將不勝感激！ 更新：

我現在使用一個非常簡單的函數來更快地執行可變指標：

def plot_freq(metric, graph_width, graph_height):
    plot = str(metric)
    df.groupby(plot)['date_stamp'].value_counts().unstack(0).plot(subplots=True, figsize=(graph_width, graph_height))
    print("This plot shows the number of data points by", metric)

Answer 1

我認為您可以將此簡化為以下幾點：

df = pd.DataFrame({'Date':np.random.choice(pd.date_range('2017-10-01','2017-10-10',freq='D'), 500),'county':np.random.choice(['East Sussex','Buckinghamshire','Kent','Essex','Essex'],500)})

df.groupby('county')['Date'].value_counts().unstack(0).plot(subplots=True)

輸出：