同じ値スケールを共有するPandas DataFrameがいくつかありますが、列とインデックスが異なります。を呼び出すとdf.plot()、個別のプロット画像が表示されます。私が本当に望んでいるのは、それらすべてをサブプロットと同じプロットに配置することですが、残念ながら、解決策を考え出せず、いくつかの助けを大いに感謝しています。

matplotlibを使用して手動でサブプロットを作成し、axキーワードを使用して特定のサブプロットにデータフレームをプロットできます。たとえば、4つのサブプロット（2x2）の場合：

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])
...

ここではaxes別のサブプロット軸を保持する配列であり、あなただけのインデックスにより1にアクセスすることができますaxes。
あなたが共有し、x軸をしたい場合は、提供することができますsharex=Trueにplt.subplots。

あなたはegを見ることができます。内のドキュメントヨリス答えを実証しました。またドキュメントから、あなたも設定することができますsubplots=Trueし、layout=(,)パンダの内のplot機能：

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

herefig.add_subplot()の投稿で説明されているように、221、222、223、224などのサブプロットグリッドパラメーターを取るwhichを使用することもできます。サブプロットを含むパンダデータフレームのプロットの良い例は、このipythonノートブックで見ることができます。

おなじみのMatplotlibスタイルを使用してa figureとを呼び出すことができますが、を使用しsubplotて現在の軸を指定するだけですplt.gca()。例：

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())

等...

すべてのデータフレームのリストを作成するという簡単なトリックで、matplotlibを使用して、複数のパンダデータフレームの複数のサブプロットをプロットできます。次に、forループを使用してサブプロットをプロットします。

作業コード：

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

このコードを使用すると、任意の構成でサブプロットをプロットできます。あなただけの行数を定義する必要があるnrowと列の数をncol。また、df_listプロットしたいデータフレームのリストを作成する必要があります。

あなたはこれを使うことができます：

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

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

plt.show()

Pandasをまったく使用する必要がない場合もあります。これは猫の頻度のmatplotlibプロットです：

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()

上記の@joris応答に基づいて、サブプロットへの参照をすでに確立している場合は、その参照も使用できます。例えば、

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

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

長い（整然とした）データを含むデータフレームのディクショナリから複数のプロットを作成する方法

• 仮定

  • きちんとしたデータの複数のデータフレームの辞書があります
    • ファイルから読み込んで作成
    • 単一のデータフレームを複数のデータフレームに分割して作成
  • カテゴリはcat重複している可能性がありますが、すべてのデータフレームにcat
  • hue='cat'

• データフレームは繰り返し処理されているため、各プロットで色が同じようにマッピングされるとは限りません

  • 'cat'すべてのデータフレームの一意の値からカスタムカラーマップを作成する必要があります
  • 色は同じになるので、すべてのプロットの凡例ではなく、プロットの横に1つの凡例を配置します

インポートと合成データ

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

カラーマッピングを作成してプロットする

# 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()