如何无需遍历列，单独绘制Pandas DataFrame中各列的图表？

嘿，这个问题我太懂了！手动遍历列绘图在列数多的时候确实慢得让人头疼，其实咱们完全可以利用pandas和可视化库的批量处理能力，避开Python层面的循环开销，给你分享几个实用的高效方案：

方法1：用Pandas内置的批量绘图（最快最省心） #

Pandas的DataFrame.plot()本身就支持一次性把所有列绘制成独立子图，底层是向量化处理，比手动循环快N倍。先拿你的虚拟DataFrame举例：

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

# 生成虚拟测试数据（和你的场景匹配）
np.random.seed(42)
df = pd.DataFrame(
    np.random.randn(100, 20),  # 20列数据，100行
    index=pd.date_range('2023-01-01', periods=100)  # 索引作为X轴
)

# 一键生成所有列的独立图表
df.plot(
    subplots=True,  # 每一列单独成图
    figsize=(10, 30),  # 调整整体画布大小
    layout=(5, 4),  # 子图排列：5行4列（对应20列）
    sharex=True,  # 所有子图共享X轴（即DataFrame的索引）
    title='每列数据独立趋势图'
)
plt.tight_layout()  # 自动调整子图间距，避免重叠
plt.show()

这个方法完全不需要手动遍历列，Pandas内部会高效处理所有列的渲染，省掉了Python循环的额外开销，列数越多，效率提升越明显。

方法2：转长格式后用Plotly生成交互式图表 #

如果需要更美观的交互式图表（支持缩放、悬浮提示），可以先把宽格式的DataFrame转成长格式，再用Plotly的分面功能批量生成图表，同样不用手动遍历：

import plotly.express as px

# 把宽格式转成长格式（索引作为X轴列）
df_long = df.reset_index().melt(
    id_vars='index',  # 保留索引作为X轴
    var_name='列名',
    value_name='数值'
)

# 自动生成每一列的独立图表
fig = px.line(
    df_long,
    x='index',
    y='数值',
    facet_col='列名',  # 按列名分面，每个列一个图
    facet_col_wrap=4,  # 每行放4个图
    height=1000
)
fig.update_xaxes(title='索引')  # 统一X轴标题
fig.show()

这种方法的优势是图表交互性强，而且同样是批量处理，没有手动循环的性能问题。

为什么这些方法比手动遍历快？ #

手动遍历列是在Python层面逐个处理每一列，每次循环都要调用绘图函数，产生额外的开销；而上面的方法要么是利用Pandas底层的C扩展/numpy向量化操作批量处理，要么是可视化库内部做了批量渲染优化，把循环放到了更高效的底层代码中，自然速度快很多。

内容的提问来源于stack exchange，提问作者TNorden