Pandas循环访问列名：批量绘制指定列图表的实现方案

我来帮你搞定这两个绘图列选择的问题，先从你遇到的第一个错误说起：

一、自动排除指定列，绘制剩余所有列 #

你之前的代码里，获取要绘图的列这一步写错了——df.columns.value_counts().drop(['year'],['Date'],['month'])有两个明显问题：

• drop方法只接受一个列名列表参数，不能传多个单独的列表
• 完全没必要用value_counts()，直接操作df.columns就能得到所有列名

修正后的代码如下，核心是先定义要排除的列，再筛选出剩余列：

import matplotlib.pyplot as plt
from matplotlib import dates as mdates
import pandas as pd

# 假设你的df已经加载完成，可选：提前处理NaN值让曲线更连续
# df = df.fillna(method='ffill')

fig, ax = plt.subplots(figsize=(10, 2))

# 定义要排除的列
exclude_cols = ['Date', 'year', 'month']
# 筛选出所有需要绘图的列：总列名减去排除的列
plot_cols = [col for col in df.columns if col not in exclude_cols]

# 循环绘制所有目标列
for col in plot_cols:
    ax.plot(df['Date'], df[col], label=col)

# 以下是原代码的日期格式化逻辑，保持不变
years = mdates.YearLocator() 
months = mdates.MonthLocator() 
years_fmt = mdates.DateFormatter('%Y')
ax.xaxis.set_major_locator(years)
ax.xaxis.set_minor_locator(months)
ax.xaxis.set_major_formatter(years_fmt)
ax.legend(loc='center left', bbox_to_anchor=(1, 0.5))

plt.show()

这样就会自动绘制除了Date、year、month之外的所有列，不用手动逐个列名。

二、按列位置选择指定列绘图 #

如果想按列的位置（比如你说的第1、3、4列，对应Biscuits、Candies、Honey）来选择，要注意Pandas的列索引是从0开始的：你说的第1列对应索引1，第3列对应索引3，第4列对应索引4。可以直接通过列索引获取列名：

通用解决方案代码：

import matplotlib.pyplot as plt
from matplotlib import dates as mdates
import pandas as pd

# 假设你的df已经加载完成
fig, ax = plt.subplots(figsize=(10, 2))

# 指定要选择的列位置（0索引，对应你说的第1、3、4列）
col_positions = [1, 3, 4]
# 通过索引获取目标列名列表
plot_cols = df.columns[col_positions].tolist()

# 循环绘制指定列
for col in plot_cols:
    ax.plot(df['Date'], df[col], label=col)

# 日期格式化逻辑保持不变
years = mdates.YearLocator() 
months = mdates.MonthLocator() 
years_fmt = mdates.DateFormatter('%Y')
ax.xaxis.set_major_locator(years)
ax.xaxis.set_minor_locator(months)
ax.xaxis.set_major_formatter(years_fmt)
ax.legend(loc='center left', bbox_to_anchor=(1, 0.5))

plt.show()

如果你的列位置是从1开始计数的，只需要把col_positions里的每个数减1就行，比如你说的第1、3、4列（1开始）对应[0,2,3]（0开始）。

额外提醒 #

你的数据里Candies列有NAN值，matplotlib绘图时会自动跳过这些缺失值，但如果需要让曲线连续，可以提前用df.fillna(method='ffill')或者df.fillna(0)来处理缺失值。

内容的提问来源于stack exchange，提问作者noob