使用for循环的Python可视化

我有数据帧df1、df2、df3、df4、df5、df6和df7

plt.scatter(np.log10(df.variable), mod1.predict(df), label='Modeled')
plt.scatter(np.log10(df.variable), df[dependent], label='Actual')
plt.title('Actual Frequency vs Modeled')

我正在尝试使用for循环创建一个包含7个子图的散点图

散点图代码写在下面。对于每一次迭代，我都希望将所有的df更改为df1、df2、df3、df4、df5、df6和df7

plt.scatter(np.log10(df.variable), mod1.predict(df), label='Modeled')
plt.scatter(np.log10(df.variable), df[dependent], label='Actual')
plt.title('Actual Frequency vs Modeled')

---

关于如何编写这个for循环有什么建议吗

我希望下面的代码片段能够正常工作

for i in range(1,8):
    exec("df = df{}".format(i))
    plt.scatter(np.log10(df.variable), mod1.predict(df), label='Modeled')
    plt.scatter(np.log10(df.variable), df[dependent], label='Actual')
    plt.title('Actual Frequency vs Modeled')

更新：

fig = plt.figure()
rows = 4
columns = 2

for i in range(1,8):
    exec("df = df{}".format(i))
    plt.subplot(rows, columns, i)
    plt.scatter(np.log10(df.variable), mod1.predict(df), label='Modeled')
    plt.scatter(np.log10(df.variable), df[dependent], label='Actual')
    plt.title('Actual Frequency vs Modeled')
plt.show()

附言：我觉得应该行得通。我还没有在我的环境中测试它。

解决方案不应该涉及

exec

。干得好：

图，轴=plt.子批次（1，8）#1行，8列
对于枚举中的i，df（[df1，df2，df3，df4，df5，df6，df7]）：
plt.scatter（np.log10（df.variable），mod1.predict（df），label='Modeled'，ax=轴[i]）
plt.scatter（np.log10（df.variable），df[dependent]，label='Actual'，ax=轴[i]）
plt.title（“实际频率与建模频率对比”）

---

我希望这有帮助

我知道这是一种糟糕的形式，但我真的不相信你已经在谷歌上搜索过“如何用Python编写for循环”，这是一项相当简单的谷歌任务。您可以搜索“python for loops”。谢谢您，但是是否仍然可以单独显示7个绘图？比如7个子地块