如何通过索引变量访问Pandas DataFrame列？批量绘制直方图优化方案

嘿，这个场景太常见了！硬写循环里的字符串拼接不仅麻烦，要是后续列数变了还得改代码，给你分享几个更优雅的实现方式：

方法1：动态筛选目标列（灵活适配列数变化） #

先把所有带num.feature前缀的列筛选出来，再循环处理——不管是30列还是以后加更多列，都不用改循环的范围：

# 筛选所有以"num.feature"开头的列
feature_columns = [col for col in df.columns if col.startswith("num.feature")]

# 批量绘制直方图
for col in feature_columns:
    df[col].hist(bins=90, range=(0, 0.4))

方法2：用df.filter()一键搞定（最简洁） #

Pandas的filter方法支持通配符匹配列名，直接提取目标列组成新的DataFrame，甚至不用手动写循环——hist()方法会自动给每一列生成直方图：

# 提取所有包含"num.feature"的列
feature_subset = df.filter(like="num.feature")

# 一键批量绘制，还能通过figsize调整整体布局
feature_subset.hist(bins=90, range=(0, 0.4), figsize=(16, 12))

进阶：个性化定制每个直方图 #

如果需要给每个图加标题、坐标轴标签这类个性化设置，还是可以结合循环，配合筛选后的列名来做：

for col in feature_subset.columns:
    ax = df[col].hist(bins=90, range=(0, 0.4))
    ax.set_title(f"直方图：{col}")
    ax.set_xlabel("特征值")
    ax.set_ylabel("频次")

对比你原来的写法，这些方法的优势在于动态适配列名变化，不用硬编码列数，代码可读性和维护性都更高～

内容的提问来源于stack exchange，提问作者Feary