如何在DataFrame绘图时单独设置未包含其中的X轴

方法一：临时把X轴数据并入DataFrame后绘图 #

这种方法最省心，直接利用pandas自带的plot接口，只需把独立的X轴数据加到处理后的DataFrame里，指定x参数就能搞定：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 模拟场景：DataFrame存3列数据，X轴是独立数组
x_data = np.arange(0, 10, 0.5)  # 不在DataFrame中的X轴数据
df = pd.DataFrame({
    'col1': np.random.randn(20),
    'col2': np.random.randn(20) + 1,
    'col3': np.random.randn(20) - 1
})

# 对每列应用自定义函数，这里示例用平方运算
processed_df = df.apply(lambda col: col ** 2)

# 将X轴数据作为新列并入处理后的DataFrame
processed_df['custom_x'] = x_data

# 指定X轴列绘图
processed_df.plot(x='custom_x', figsize=(10, 6))
plt.title('多列数据自定义X轴绘图')
plt.xlabel('自定义X轴')
plt.ylabel('处理后数值')
plt.show()

方法二：手动用Matplotlib轴对象绘制（更灵活） #

如果不想修改原DataFrame结构，直接用Matplotlib底层接口逐列绘制，能更精细地控制每条曲线的样式：

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

# 模拟数据
x_data = np.arange(0, 10, 0.5)
df = pd.DataFrame({
    'col1': np.random.randn(20),
    'col2': np.random.randn(20) + 1,
    'col3': np.random.randn(20) - 1
})

# 处理每列数据
processed_df = df.apply(lambda col: col ** 2)

# 创建绘图轴对象
fig, ax = plt.subplots(figsize=(10, 6))

# 遍历处理后的每一列，用自定义X轴绘制
for col_name, col_data in processed_df.items():
    ax.plot(x_data, col_data, label=col_name)

# 设置图表属性
ax.set_title('多列数据自定义X轴绘图')
ax.set_xlabel('自定义X轴')
ax.set_ylabel('处理后数值')
ax.legend()
plt.show()

两种方法各有侧重：方法一代码简洁，适合快速出图；方法二更灵活，方便单独调整每条曲线的颜色、线型等样式。

内容的提问来源于stack exchange，提问作者jazzytortoise