如何遍历Figure中的所有子图，为其添加同一新Series？

首先你需要先捕获DF.plot()返回的子图对象数组，否则无法后续修改子图。修正原代码如下：

# 捕获所有子图的Axes对象
axes = DF.plot(subplots=True, layout=(9,3), figsize=(20,40), sharex=False)
plt.tight_layout()

方法一：显式遍历子图（推荐） #

axes是一个9×3的二维Axes数组，你可以先将其展平为一维迭代器，然后逐个为子图添加目标Series：

# 遍历每个子图
for ax in axes.flat:
    # 在当前子图上绘制DF2['Datas']
    ax.plot(DF2['Datas'], label='Datas')
    # 可选：添加图例区分原数据和新增的Series
    ax.legend()

plt.show()

如果DF和DF2的索引不匹配，建议显式指定x轴数据以确保对齐：

ax.plot(DF2.index, DF2['Datas'], label='Datas')

方法二：隐式循环（语法简化） #

可以用numpy的vectorize工具封装绘制逻辑，语法上隐藏循环，但底层本质还是遍历，适合追求简洁写法的场景：

import numpy as np

# 定义绘制逻辑函数
def add_target_series(ax):
    ax.plot(DF2['Datas'], label='Datas')
    ax.legend()

# 批量处理所有子图
np.vectorize(add_target_series)(axes)

plt.show()

说明 #

对于9×3=27个子图的规模，显式循环的效率完全足够，且代码更直观易读，是首选方案；隐式循环只是语法层面的简化，没有性能优势。

内容的提问来源于stack exchange，提问作者TourEiffel