如何遍历Pandas DataFrame递增命名列并批量绘制X_n vs Y_n图？

核心思路 #

遍历每个索引n，对DataFrame的每一行提取对应的X_n和Y_n列值，绘制两者的对比图（以散点图为例，可根据数据类型调整为折线图等）。以下分两种场景给出实现代码：

场景1：Y列包含Y_0（推测为输入笔误） #

如果你的Y列实际是从Y_0到Y_1000，执行以下代码：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的DataFrame变量名为df
for n in range(1001):  # 覆盖0到1000的所有索引
    x_col = f"X_{n}"
    y_col = f"Y_{n}"
    
    # 遍历每一行数据
    for row_idx in df.index:
        x_val = df.loc[row_idx, x_col]
        y_val = df.loc[row_idx, y_col]
        plt.scatter(x_val, y_val, label=f"行{row_idx}")
    
    plt.xlabel(x_col)
    plt.ylabel(y_col)
    plt.title(f"{x_col} vs {y_col}")
    plt.legend()
    plt.show()
    # 若需批量保存图片，替换plt.show()为：plt.savefig(f"X{n}_vs_Y{n}.png")

场景2：Y列确实从Y_1开始（无Y_0） #

如果Y列仅包含Y_1到Y_1000，调整遍历范围即可：

import pandas as pd
import matplotlib.pyplot as plt

for n in range(1, 1001):
    x_col = f"X_{n}"
    y_col = f"Y_{n}"
    
    for row_idx in df.index:
        x_val = df.loc[row_idx, x_col]
        y_val = df.loc[row_idx, y_col]
        plt.scatter(x_val, y_val, label=f"行{row_idx}")
    
    plt.xlabel(x_col)
    plt.ylabel(y_col)
    plt.title(f"{x_col} vs {y_col}")
    plt.legend()
    plt.show()

实用优化建议 #

面对3000组图的规模，可做以下调整提升效率：

• 批量保存图片到指定文件夹，避免逐个手动关闭：

import os
os.makedirs("xy对比图", exist_ok=True)

for n in range(1001):
    x_col = f"X_{n}"
    y_col = f"Y_{n}"
    
    for row_idx in df.index:
        x_val = df.loc[row_idx, x_col]
        y_val = df.loc[row_idx, y_col]
        plt.scatter(x_val, y_val, label=f"行{row_idx}")
    
    plt.xlabel(x_col)
    plt.ylabel(y_col)
    plt.title(f"{x_col} vs {y_col}")
    plt.legend()
    plt.savefig(f"xy对比图/X{n}_vs_Y{n}.png")
    plt.close()  # 关闭画布释放内存

• 若数据为时序类，将plt.scatter替换为plt.plot生成折线图；
• 可使用子图网格一次性展示多行的对比结果，减少窗口切换次数。

内容的提问来源于stack exchange，提问作者George