如何批量绘制DataFrame列数据并自动将列名设为Matplotlib图表标题？

没问题，这个需求完全能实现！而且用循环批量处理就搞定了，针对你有20多列的场景，我给你两种实用的方案：

方案一：每列单独生成一个图表窗口 #

这种方式适合需要单独查看每列数据趋势的场景，每个图表会在独立窗口弹出：

import pandas as pd
import matplotlib.pyplot as plt

begin_date = '2019-01-01'
    
df = pd.DataFrame ({
    "date": pd.date_range(begin_date, periods=5),
    "John": [42, 40, 47, 49, 51],
    "Ana": [50, 43, 41, 46,47],
    "Goku": [55, 58, 62, 64, 69],                  
})

# 先把date列设为索引，让x轴显示日期更直观（也可以不设，后面绘图时指定x轴）
df.set_index('date', inplace=True)

# 遍历所有列名，直接用列名做标题
for column_name in df.columns:
    # 创建新画布，避免所有图重叠在一个窗口
    plt.figure()
    # 绘制当前列的折线图
    plt.plot(df[column_name])
    # 用f-string直接把列名插入标题，完美实现你的需求
    plt.title(f"Name of graph: {column_name}")
    # 可以添加坐标轴标签让图表更清晰
    plt.xlabel("Date")
    plt.ylabel("Value")
    # 显示当前图表
    plt.show()

核心逻辑就是用df.columns获取所有列名，循环时把每个column_name直接塞进标题里，完全不用手动写每个名字，20多列也能一键处理。

方案二：所有列的图表放在同一画布的子图中 #

如果需要同时对比所有列的趋势，这种子图布局会更方便：

import pandas as pd
import matplotlib.pyplot as plt

begin_date = '2019-01-01'
    
df = pd.DataFrame ({
    "date": pd.date_range(begin_date, periods=5),
    "John": [42, 40, 47, 49, 51],
    "Ana": [50, 43, 41, 46,47],
    "Goku": [55, 58, 62, 64, 69],                  
})

df.set_index('date', inplace=True)

# 计算子图的行列数，这里设置每行3个图表，行数自动向上取整
total_cols = len(df.columns)
cols_per_row = 3
rows = (total_cols + cols_per_row - 1) // cols_per_row  # 向上取整的小技巧

# 创建画布和子图集合
fig, axes = plt.subplots(rows, cols_per_row, figsize=(15, rows*5))
# 把子图数组展平成一维，方便循环遍历
axes = axes.flatten()

# 遍历列名和对应的子图
for idx, column_name in enumerate(df.columns):
    # 在对应子图上绘图
    axes[idx].plot(df[column_name])
    axes[idx].set_title(f"Name of graph: {column_name}")
    axes[idx].set_xlabel("Date")
    axes[idx].set_ylabel("Value")

# 如果列数不是每行列数的整数倍，隐藏多余的空白子图
for j in range(idx+1, len(axes)):
    axes[j].axis('off')

# 自动调整子图间距，避免标题和标签重叠
plt.tight_layout()
plt.show()

这个方案会自动根据你列的数量调整子图布局，不管是20列还是更多，都能整齐排列，每个子图的标题依然自动用列名填充。

另外，如果不想把date列设为索引，也可以在绘图时直接指定x轴：plt.plot(df['date'], df[column_name])，效果是一样的。

备注：内容来源于stack exchange，提问作者Daniel M M