是否存在可将dataframe所有列绘制在同一张图中的R函数？

最高效写法：直接调用matplotlib原生批量绘制 #

matplotlib的plot方法原生支持传入二维数组作为y值，会自动将每一列识别为独立序列绘制，完全不需要循环调用绘图接口，一行代码即可完成120列的散点绘制：

import pandas as pd
import matplotlib.pyplot as plt

# 假设你的17行120列DataFrame已定义为df
x = range(1, 18) # 对应x轴1到17的索引取值
plt.figure(figsize=(12, 6))
# linestyle设为空表示仅画散点，marker指定散点样式，alpha调透明度避免点重叠
plt.plot(x, df, marker='o', linestyle='', alpha=0.7)
plt.xlabel('索引')
plt.ylabel('数值')
plt.show()

可选方案：需要自定义列配色/标签时使用 #

如果需要给不同列分配自定义配色、或者后续要单独筛选某列的散点，可以将数据打平后一次性传入scatter方法：

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

x = np.arange(1, 18)
# 按列平铺x坐标和y值，保证顺序对应
x_all = np.tile(x, len(df.columns))
y_all = df.values.flatten(order='F')
# 生成列标签用于区分不同列的颜色
col_labels = np.repeat(np.arange(len(df.columns)), len(df))

plt.figure(figsize=(12, 6))
scatter = plt.scatter(x_all, y_all, c=col_labels, cmap='tab20', alpha=0.7)
plt.xlabel('索引')
plt.ylabel('数值')
# 列数过多不建议开启图例，会遮挡绘图区域，需要时再取消注释
# plt.legend(handles=scatter.legend_elements()[0], labels=df.columns, bbox_to_anchor=(1.05, 1), loc='upper left')
plt.tight_layout()
plt.show()

补充说明 #

• 两种方案都不需要手动循环调用绘图接口，底层会自动批量处理所有列数据，效率远高于手动循环。
• 120列属于数量较多的场景，建议调低alpha透明度参数，避免散点重叠无法看清分布。
• 如果需要绘制带连线的趋势图，去掉linestyle=''参数即可自动为每列生成对应折线。

内容的提问来源于stack exchange，提问作者toastienf