按索引步长2遍历DataFrame列绘图的报错修复及优化方法

错误原因 #

你写的n = df_scales.shape[1]-1得到的是一个整数（此处为3），而for index in n试图遍历整数，必然触发TypeError: 'int' object is not iterable。需要生成步长为2的可迭代索引序列，因为每组数据占2列（x和y）。

修复后的基础代码 #

直接修正循环逻辑，同时优化图例显示，把两条线画在同一张图中：

import pandas as pd
import matplotlib.pyplot as plt

# 示例DataFrame（可替换为你的数据）
df_scales = pd.DataFrame({
    'M1_x': [2,4,8,16],
    'M1_y': [0.861626, 0.685437, 0.495346, 0.327949],
    'M2_x': [2,4,8,16],
    'M2_y': [0.980591, 0.647706, 0.303102, 0.133477]
})

# 生成步长为2的索引序列，取每组x列的索引（0、2）
for index in range(0, df_scales.shape[1], 2):
    x = df_scales.iloc[:, index]
    y = df_scales.iloc[:, index+1]
    # 从列名提取分组标识（如M1、M2）
    group_label = df_scales.columns[index].split('_')[0]
    plt.plot(x, y, marker='o', label=group_label)

plt.legend()  # 添加图例区分两条线
plt.xlabel('X值')
plt.ylabel('Y值')
plt.show()

更优实现方法 #

针对这种按分组命名的列结构，推荐用分组列名直接调用的方式，逻辑更清晰，可读性更强：

# 提取所有分组名称（自动识别M1、M2）
groups = list(set(col.split('_')[0] for col in df_scales.columns))

for group in groups:
    x_col = f'{group}_x'
    y_col = f'{group}_y'
    plt.plot(df_scales[x_col], df_scales[y_col], marker='o', label=group)

plt.legend()
plt.xlabel('X值')
plt.ylabel('Y值')
plt.show()

如果后续分组数量增加（比如新增M3、M4），这种方法无需修改循环逻辑，会自动适配所有分组。

复杂场景优化：重塑为长格式DataFrame #

若列数较多或需要更灵活的数据分析，可先将宽表转为长表，再分组绘图：

# 宽表转长表，拆分分组和x/y标识
df_long = df_scales.melt(var_name='group_xy', value_name='value')
df_long[['group', 'xy']] = df_long['group_xy'].str.split('_', expand=True)

# 重新透视回分组x/y结构
df_pivot = df_long.pivot(index=df_long.index, columns=['group', 'xy'], values='value')

# 遍历每个分组绘图
for group in df_pivot.columns.get_level_values(0).unique():
    plt.plot(df_pivot[group]['x'], df_pivot[group]['y'], marker='o', label=group)

plt.legend()
plt.xlabel('X值')
plt.ylabel('Y值')
plt.show()

内容的提问来源于stack exchange，提问作者mahmood