subplot多子图对比绘制

python在一张中绘制N×M个子图，按周期对数据进行分组，输入df为dataFrame数据格式，具体特征按照实际的业务需求来，这里第25个周期数据为异常数据，通过颜色特别标识出来。

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
features = ["太阳轮负载", "下盘负载", "齿圈负载", 
"上盘负载", "真实压力值"]
steps = [5, 6, 7, 8]

# 分组：按周期ID进行分组，每个周期应该包含1到11的所有步骤
grouped = df.groupby('周期ID')


# 创建子图：N=4（步序数量），M=9（特征数量）
fig, axes = plt.subplots(nrows=len(steps), ncols=len(features), figsize=(20, 12))

# 为每个步序和特征绘图
for i, step in enumerate(steps):
    for j, feature in enumerate(features):
        ax = axes[i, j]  # 获取对应的子图

        # # 在每个步序上过滤数据
        # group = grouped[grouped['工艺步序'] == step]
        # group.reset_index(drop=True, inplace=True)

        # 绘制每个特征的曲线
        for period, group_data in grouped:

            if not set(group_data['工艺步序'].unique()).issuperset(set(range(1, 12))):
                continue
            else:
                group_data = group_data[group_data['工艺步序'] == step]  # 只考虑前5个步骤
                group_data.reset_index(drop=True, inplace=True)
            
                if i > 0 :
                    if period != 25:
                        if period == 22:
                            ax.plot(range(50), group_data[feature][:50], 'r', label=f"异常批次的上一批--{period}") 
                        else:
                            ax.plot(range(50), group_data[feature][:50], color='#C2DCB1', linestyle='--')
                else:
                    # 绘制特征数据
                    if period == 25:
                        ax.plot(range(50), group_data[feature][:50], 'r', label=f"异常批次--{period}")
                    else:
                        ax.plot(range(50), group_data[feature][:50], color='#C2DCB1', linestyle='--')

        ax.set_title(f"{feature} - 步序 {step}")
        ax.set_ylabel(f"{feature}", color='b')

        # 设置y轴字体颜色
        # for label in ax.get_yticklabels():
        #     label.set_color('b')
        ax.legend(loc='upper left')

# 自动调整布局
plt.tight_layout()
plt.savefig('特征-步序.png', dpi=600)
plt.show()