Eu tenho alguns DataFrames do Pandas compartilhando a mesma escala de valor, mas com colunas e índices diferentes. Ao invocar df.plot(), recebo imagens de plotagem separadas. o que eu realmente quero é tê-los todos no mesmo enredo que os sub-enredos, mas infelizmente não estou conseguindo encontrar uma solução para como e gostaria muito de receber alguma ajuda.

Você pode criar manualmente as subparcelas com matplotlib e, em seguida, plotar os quadros de dados em uma subparcela específica usando a axpalavra - chave. Por exemplo, para 4 subparcelas (2x2):

import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2, ncols=2)

df1.plot(ax=axes[0,0])
df2.plot(ax=axes[0,1])
...

Aqui axesestá uma matriz que contém os diferentes eixos de subparcela, e você pode acessar um apenas indexando axes.
Se você quiser um eixo x compartilhado, poderá fornecer sharex=Truea plt.subplots.

Você pode ver, por exemplo, na documentação que demonstra joris answer. Também da documentação, você também pode definir subplots=Truee layout=(,)dentro da plotfunção pandas :

df.plot(subplots=True, layout=(1,2))

Você também pode usar fig.add_subplot()quais parâmetros da grade de subparcela, como 221, 222, 223, 224, etc., conforme descrito na publicação aqui . Bons exemplos de plotagem no quadro de dados do pandas, incluindo sub -plotagens , podem ser vistos neste notebook ipython .

Você pode usar o estilo familiarizado Matplotlib chamando um figuree subplot, mas você só precisa especificar o eixo atual usando plt.gca(). Um exemplo:

plt.figure(1)
plt.subplot(2,2,1)
df.A.plot() #no need to specify for first axis
plt.subplot(2,2,2)
df.B.plot(ax=plt.gca())
plt.subplot(2,2,3)
df.C.plot(ax=plt.gca())

etc ...

Você pode plotar várias subparcelas de vários quadros de dados do pandas usando o matplotlib com um truque simples de fazer uma lista de todos os quadros de dados. Em seguida, use o loop for para plotar subtramas.

Código de trabalho:

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
# dataframe sample data
df1 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df2 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df3 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df4 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df5 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
df6 = pd.DataFrame(np.random.rand(10,2)*100, columns=['A', 'B'])
#define number of rows and columns for subplots
nrow=3
ncol=2
# make a list of all dataframes 
df_list = [df1 ,df2, df3, df4, df5, df6]
fig, axes = plt.subplots(nrow, ncol)
# plot counter
count=0
for r in range(nrow):
    for c in range(ncol):
        df_list[count].plot(ax=axes[r,c])
        count=+1

Usando esse código, você pode plotar subtramas em qualquer configuração. Você precisa apenas definir o número de linhas nrowe o número de colunas ncol. Além disso, você precisa fazer uma lista dos quadros de dados df_listque deseja plotar.

Você pode usar isto:

fig = plt.figure()
ax = fig.add_subplot(221)
plt.plot(x,y)

ax = fig.add_subplot(222)
plt.plot(x,z)
...

plt.show()

Você pode não precisar usar o Pandas. Aqui está um gráfico matplotlib de frequências de gatos:

x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)

f, axes = plt.subplots(2, 1)
for c, i in enumerate(axes):
  axes[c].plot(x, y)
  axes[c].set_title('cats')
plt.tight_layout()

Com base na resposta @joris acima, se você já estabeleceu uma referência para a subparcela, também pode usá-la. Por exemplo,

ax1 = plt.subplot2grid((50,100), (0, 0), colspan=20, rowspan=10)
...

df.plot.barh(ax=ax1, stacked=True)

Como criar vários gráficos a partir de um dicionário de quadros de dados com dados longos (organizados)

• Premissas

  • Existe um dicionário de vários quadros de dados de dados organizados
    • Criado lendo os arquivos
    • Criado separando um único quadro de dados em vários quadros de dados
  • As categorias cat,, podem estar sobrepostas, mas todos os quadros de dados podem não conter todos os valores decat
  • hue='cat'

• Como os quadros de dados estão sendo iterados, não há garantia de que as cores sejam mapeadas da mesma forma para cada plotagem

  • Um mapa de cores personalizado precisa ser criado a partir dos 'cat'valores exclusivos para todos os quadros de dados
  • Como as cores serão as mesmas, coloque uma legenda ao lado das plotagens, em vez de uma legenda em cada plot

Importações e dados sintéticos

import pandas as pd
import numpy as np  # used for random data
import random  # used for random data
import matplotlib.pyplot as plt
from matplotlib.patches import Patch  # for custom legend
import seaborn as sns
import math import ceil  # determine correct number of subplot


# synthetic data
df_dict = dict()
for i in range(1, 7):
    np.random.seed(i)
    random.seed(i)
    data_length = 100
    data = {'cat': [random.choice(['A', 'B', 'C']) for _ in range(data_length)],
            'x': np.random.rand(data_length),
            'y': np.random.rand(data_length)}
    df_dict[i] = pd.DataFrame(data)


# display(df_dict[1].head())

  cat         x         y
0   A  0.417022  0.326645
1   C  0.720324  0.527058
2   A  0.000114  0.885942
3   B  0.302333  0.357270
4   A  0.146756  0.908535

Crie mapeamentos de cores e plotagem

# create color mapping based on all unique values of cat
unique_cat = {cat for v in df_dict.values() for cat in v.cat.unique()}  # get unique cats
colors = sns.color_palette('husl', n_colors=len(unique_cat))  # get a number of colors
cmap = dict(zip(unique_cat, colors))  # zip values to colors

# iterate through dictionary and plot
col_nums = 3  # how many plots per row
row_nums = math.ceil(len(df_dict) / col_nums)  # how many rows of plots
plt.figure(figsize=(10, 5))  # change the figure size as needed
for i, (k, v) in enumerate(df_dict.items(), 1):
    plt.subplot(row_nums, col_nums, i)  # create subplots
    p = sns.scatterplot(data=v, x='x', y='y', hue='cat', palette=cmap)
    p.legend_.remove()  # remove the individual plot legends
    plt.title(f'DataFrame: {k}')

plt.tight_layout()
# create legend from cmap
patches = [Patch(color=v, label=k) for k, v in cmap.items()]
# place legend outside of plot; change the right bbox value to move the legend up or down
plt.legend(handles=patches, bbox_to_anchor=(1.06, 1.2), loc='center left', borderaxespad=0)
plt.show()