# 循环对每个 DataFrame 执行相同的操作 for i in range(14): df = dfs[i] #label = 'Stock {} Close'.format(i+1) for i in range(14): df = dfs[i] stock_name = df['name'].iloc[0] # 获取股票名字 label = '{} Close'.format(stock_name) # 构造标签 ax.plot(df['date'], df['close'], label=label) ax.plot(df['date'], df['close'], label=label)出来的label为什么会重复

问题出在内层循环中的变量名与外层循环中的变量名重复了。在内层循环中，使用了变量名 i，而这个变量名已经在外层循环中使用过了。所以，内层循环中的 i 覆盖了外层循环中的 i，导致标签重复。解决方法是在内层循环中使用一个不同的变量名。例如，可以将内层循环中的变量名改为 j，如下所示：

for i in range(14):
    df = dfs[i]
    stock_name = df['name'].iloc[0]  # 获取股票名字
    label = '{} Close'.format(stock_name)  # 构造标签
    ax.plot(df['date'], df['close'], label=label)

这样，就可以避免标签重复的问题。

相关问题

for i, file_path in enumerate(file_paths): df = pd.read_excel(file_path) for j in range(0, 91): for k in range(0, 500): a = pd.DataFrame(df.iloc[2 + 3 * k:5 + 3 * k, 7 + j].values) # 将列表转换为 DataFrame data = pd.concat([data, a], axis=1) # 将 a 添加到 data 中 print(a)计算平均值并输出

要计算所有a的平均值，并输出结果，你可以在所有循环结束后，使用numpy库中的mean()函数来计算a的平均值。具体的代码如下所示：

import numpy as np

# 循环结束后，计算所有a的平均值
all_a = []
for i, file_path in enumerate(file_paths):     
    df = pd.read_excel(file_path)     
    for j in range(0, 91):         
        for k in range(0, 500):             
            a = pd.DataFrame(df.iloc[2 + 3 * k:5 + 3 * k, 7 + j].values)  # 将列表转换为 DataFrame             
            data = pd.concat([data, a], axis=1)  # 将 a 添加到 data 中             
            all_a.append(a)

all_a_avg = np.mean(all_a)  # 计算所有a的平均值

# 打印所有a的平均值
print("所有a的平均值为：", all_a_avg)

需要注意的是，这段代码应该放在所有循环结束后，否则每次循环都会打印一次a的平均值。另外，这里使用了一个列表`all_a`来存储所有的a，然后再计算平均值。

ax.plot(df1['date'], df1['close'], label='Stock 1 Close')写一个循环，相同操作，1到14

你可以使用一个循环来对每个 DataFrame 执行相同的操作。具体实现方法如下：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 创建一个空列表，用于存储所有的 DataFrame
dfs = []

# 循环读取文件
for i in range(1, 15):
    filename = 'E:/应统案例大赛/附件1-股票交易数据/a{}.xlsx'.format(i)
    df = pd.read_excel(filename)
    # 将每个 DataFrame 添加到列表中
    dfs.append(df)

# 计算所有 DataFrame 的 'date' 列的最小值
date_min = min([df['date'].min() for df in dfs])

# 创建一个 Matplotlib Figure 对象和一个 Axes 对象
fig, ax = plt.subplots()

# 循环对每个 DataFrame 执行相同的操作
for i in range(14):
    df = dfs[i]
    label = 'Stock {} Close'.format(i+1)
    ax.plot(df['date'], df['close'], label=label)

# 设置 x 轴的日期格式
ax.xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m-%d'))

# 添加图例
ax.legend()

# 显示图形
plt.show()

这个循环会从 a1.xlsx 读取到 a14.xlsx，每次读取一个文件，并将其存储在 `df` 变量中，然后将每个 DataFrame 添加到 `dfs` 列表中。接下来，使用列表推导式计算所有 DataFrame 的 'date' 列的最小值，并将其赋值给 `date_min` 变量。然后，创建一个 Matplotlib Figure 对象和一个 Axes 对象。接下来，循环遍历 `dfs` 列表中的每个 DataFrame，并使用 `ax.plot()` 函数绘制每个 DataFrame 的 'date' 列和 'close' 列。在这个例子中，我使用 `label = 'Stock {} Close'.format(i+1)` 创建一个标签，它包含了每个股票的名称。然后，我将这个标签传递给 `ax.plot()` 函数，并设置 `label` 参数。最后，我添加了一个日期格式和一个图例，并使用 `plt.show()` 函数显示图形。