高效处理Python DataFrame列迭代与绘图索引问题的教程

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

# 假设 DataImport 是一个包含多列的 DataFrame
# 示例数据生成 (与实际问题中的 DataFrame 结构类似)
num_rows = 1284
num_cols = 22
column_names = ["FUEL RATE"] + [f"Col_{chr(65+i)}" for i in range(num_cols - 1)]
data = {col: np.random.rand(num_rows) * (i + 1) for i, col in enumerate(column_names)}
DataImport = pd.DataFrame(data)

# 准备 Matplotlib 子图
# 我们需要 21 个子图，所以 axs 将是一个包含 21 个 Axes 对象的数组
num_plots = len(DataImport.columns) - 1 # 减去基准列
fig, axs = plt.subplots(1, num_plots, figsize=(num_plots * 3, 5))

# 原始的、有问题的循环尝试
# base_col_name = "FUEL RATE" # 或者 DataImport.columns[0]
# for col1 in DataImport.columns: # col1 是一个字符串，例如 "FUEL RATE", "Col_A"
#     x = DataImport.loc[:, base_col_name]
#     y = DataImport.loc[:, col1]
#     # 这里的 axs[col1] 是问题的根源
#     axs[col1].plot(x, y) # 假设 col1 是 "Col_A"，axs["Col_A"] 会引发 IndexError

IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices

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

# 1. 准备示例 DataFrame (与问题描述一致)
num_rows = 1284
num_cols = 22
column_names = ["FUEL RATE"] + [f"Col_{chr(65+i)}" for i in range(num_cols - 1)]
data = {col: np.random.rand(num_rows) * (i + 1) for i, col in enumerate(column_names)}
DataImport = pd.DataFrame(data)

# 2. 确定基准列和需要绘图的Y轴列
base_col_name = DataImport.columns[0] # 通常是第一列
# 获取除基准列之外的所有列名作为Y轴数据来源
columns_for_y_axis = DataImport.columns[1:]

# 3. 准备 Matplotlib 子图
num_plots = len(columns_for_y_axis)
# 如果只有一个子图，plt.subplots返回的是单个Axes对象，而不是数组。
# 为了代码一致性，我们将其包装成列表。
fig, axs = plt.subplots(1, num_plots, figsize=(num_plots * 4, 5))
if num_plots == 1:
    axs = [axs] # 确保 axs 始终是可迭代的列表/数组

# 4. 获取X轴数据 (基准列数据)
x_data = DataImport[base_col_name]

# 5. 使用 enumerate 遍历 Y 轴列，并进行绘图
print(f"Generating {num_plots} plots...")
for i, col_name_y in enumerate(columns_for_y_axis):
    y_data = DataImport[col_name_y]

    # 使用整数索引 i 访问 axs 数组中的子图
    current_ax = axs[i]
    current_ax.plot(x_data, y_data, marker='o', linestyle='', alpha=0.7) # 散点图

    # 设置图表标题和轴标签
    current_ax.set_title(f'{base_col_name} vs {col_name_y}')
    current_ax.set_xlabel(base_col_name)
    current_ax.set_ylabel(col_name_y)
    current_ax.grid(True, linestyle='--', alpha=0.6) # 添加网格线

# 6. 调整布局并显示图表
plt.tight_layout() # 自动调整子图参数，使之填充整个图像区域
plt.show()

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

# 1. 准备示例 DataFrame (同上)
num_rows = 1284
num_cols = 22
column_names = ["FUEL RATE"] + [f"Col_{chr(65+i)}" for i in range(num_cols - 1)]
data = {col: np.random.rand(num_rows) * (i + 1) for i, col in enumerate(column_names)}
DataImport = pd.DataFrame(data)

# 2. 确定基准列和需要绘图的Y轴列
base_col_name = DataImport.columns[0]
columns_for_y_axis = DataImport.columns[1:]

# 3. 准备 Matplotlib 子图 (同上)
num_plots = len(columns_for_y_axis)
fig, axs = plt.subplots(1, num_plots, figsize=(num_plots * 4, 5))
if num_plots == 1:
    axs = [axs]

# 4. 获取X轴数据 (同上)
x_data = DataImport[base_col_name]

# 5. 手动管理整数索引进行绘图
# 注意：Python列表和数组是0-indexed。如果 DataImport.columns[1:] 产生 N 列，
# 那么对应的 axs 索引应该是 0 到 N-1。
# 因此，循环范围应为 range(num_plots)。
print(f"Generating {num_plots} plots using manual index...")
for i in range(num_plots):
    col_name_y = columns_for_y_axis[i] # 通过整数索引获取列名

    y_data = DataImport[col_name_y]

    current_ax = axs[i] # 使用整数索引 i 访问子图
    current_ax.plot(x_data, y_data, marker='x', linestyle='', alpha=0.7, color='red')

    current_ax.set_title(f'{base_col_name} vs {col_name_y}')
    current_ax.set_xlabel(base_col_name)
    current_ax.set_ylabel(col_name_y)
    current_ax.grid(True, linestyle=':', alpha=0.7)

plt.tight_layout()
plt.show()