pin_drop当前位置:知识文库 ❯ 图文
matplotlib子图subplot()函数详解 - Python多图布局绘制
概述
子图（subplot）允许在同一个Figure中绘制多个图表，便于对比和展示多组相关数据。matplotlib提供了plt.subplot()、plt.subplots()和GridSpec三种创建子图的方式。plt.subplots()是最常用的方式，支持灵活的网格布局；GridSpec支持更复杂的不规则布局。
在数据分析和机器学习项目中，我们经常需要同时展示多个维度的数据或不同模型的结果。子图功能使得我们可以在单张图片中呈现丰富的信息，大大提升图表的表现力和信息密度。
语法与参数说明
三种创建方式
代码示例
# 方式1：逐个创建
plt.subplot(nrows, ncols, index)
# 方式2：一次性创建（推荐）
fig, axes = plt.subplots(nrows, ncols)
# 方式3：GridSpec灵活布局
from matplotlib.gridspec import GridSpec
gs = GridSpec(nrows, ncols)
ax = fig.add_subplot(gs[row_slice, col_slice])plt.subplots()核心参数
sharex/sharey选项
返回值
plt.subplots()返回(Figure, Axes)元组，其中Axes的形态取决于子图数量：
-
1x1：返回单个Axes对象
-
1xN或Nx1：返回一维数组
-
NxM：返回二维数组
代码示例
示例1：规则网格子图
创建2x2的子图网格，分别绘制三角函数，使用sharex和sharey共享坐标轴。
代码示例
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2 * np.pi, 100)
fig, axes = plt.subplots(2, 2, figsize=(12, 8), sharex=True, sharey=True)
# 左上：正弦
axes[0, 0].plot(x, np.sin(x), 'b-')
axes[0, 0].set_title('sin(x)')
axes[0, 0].grid(True, alpha=0.3)
# 右上：余弦
axes[0, 1].plot(x, np.cos(x), 'r-')
axes[0, 1].set_title('cos(x)')
axes[0, 1].grid(True, alpha=0.3)
# 左下：正切
axes[1, 0].plot(x, np.tan(x), 'g-')
axes[1, 0].set_title('tan(x)')
axes[1, 0].set_ylim(-5, 5)
axes[1, 0].grid(True, alpha=0.3)
# 右下：组合
axes[1, 1].plot(x, np.sin(x), 'b-', label='sin')
axes[1, 1].plot(x, np.cos(x), 'r-', label='cos')
axes[1, 1].set_title('sin & cos')
axes[1, 1].legend()
axes[1, 1].grid(True, alpha=0.3)
fig.suptitle('Trigonometric Functions', fontsize=14, fontweight='bold')
plt.tight_layout()
plt.savefig('grid_subplot.png', dpi=100, bbox_inches='tight')
print("网格子图已保存")输出：
代码示例
网格子图已保存示例2：不同类型图表组合
在1x3的子图布局中，组合展示折线图、柱状图和直方图，适合数据分析报告。
代码示例
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(42)
data = np.random.normal(50, 15, 200)
categories = ['A', 'B', 'C', 'D']
values = [25, 35, 20, 20]
fig, axes = plt.subplots(1, 3, figsize=(15, 5))
# 折线图
axes[0].plot(np.cumsum(np.random.randn(50)), 'b-')
axes[0].set_title('Line Chart')
axes[0].grid(True, alpha=0.3)
# 柱状图
axes[1].bar(categories, values, color=['#2196F3', '#4CAF50', '#FF9800', '#9C27B0'])
axes[1].set_title('Bar Chart')
# 直方图
axes[2].hist(data, bins=20, color='#FF5722', edgecolor='white', alpha=0.8)
axes[2].set_title('Histogram')
fig.suptitle('Different Chart Types', fontsize=14, fontweight='bold')
plt.tight_layout()
plt.savefig('mixed_subplot.png', dpi=100, bbox_inches='tight')
print("混合子图已保存")输出：
代码示例
混合子图已保存示例3：GridSpec不规则布局
使用GridSpec创建复杂的不规则布局，主图占据大部分空间，右侧和底部放置小图。
代码示例
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.gridspec import GridSpec
np.random.seed(42)
x = np.linspace(0, 10, 100)
fig = plt.figure(figsize=(12, 8))
gs = GridSpec(3, 3, figure=fig, hspace=0.3, wspace=0.3)
# 大图：占2行2列
ax_main = fig.add_subplot(gs[0:2, 0:2])
ax_main.plot(x, np.sin(x), 'b-', linewidth=2)
ax_main.plot(x, np.cos(x), 'r--', linewidth=2)
ax_main.set_title('Main Plot')
ax_main.grid(True, alpha=0.3)
# 右上小图
ax_top = fig.add_subplot(gs[0, 2])
ax_top.hist(np.random.normal(0, 1, 200), bins=20, color='#4CAF50', edgecolor='white')
ax_top.set_title('Distribution')
# 右中小图
ax_mid = fig.add_subplot(gs[1, 2])
ax_mid.scatter(np.random.randn(30), np.random.randn(30), c='#FF5722', alpha=0.6)
ax_mid.set_title('Scatter')
# 底部宽图
ax_bottom = fig.add_subplot(gs[2, :])
ax_bottom.bar(range(10), np.random.randint(10, 100, 10), color='#2196F3')
ax_bottom.set_title('Bar Chart')
fig.suptitle('GridSpec Layout', fontsize=14, fontweight='bold')
plt.savefig('gridspec_layout.png', dpi=100, bbox_inches='tight')
print("GridSpec布局已保存")输出：
代码示例
GridSpec布局已保存实际应用场景
-
数据分析报告：使用子图同时展示趋势、分布和对比，提升信息密度
-
机器学习：使用子图展示不同超参数下的训练曲线或特征重要性
-
仪表盘：使用GridSpec创建大小不一的图表区域，实现专业数据大屏
注意事项
注意：plt.subplots()返回的axes在1x1时为单个对象，1xN或Nx1时为一维数组，NxM时为二维数组
注意：使用tight_layout()自动调整子图间距，避免标签重叠；也可手动调用fig.subplots_adjust()微调
注意：sharex/sharey=True时只有边缘子图显示刻度标签，节省空间并保持整洁
子图创建方式对比
小结
-
plt.subplots()是最常用的子图创建方式，返回Figure和Axes数组
-
sharex/sharey参数控制坐标轴共享，减少冗余刻度
-
GridSpec支持不规则布局，子图可跨越多行多列
-
tight_layout()自动调整间距，suptitle()添加总标题
练习题
练习1
使用plt.subplots()创建2x2子图，分别绘制sin、cos、tan和sin+cos曲线
练习2
创建1x3子图，分别绘制折线图、柱状图和散点图，共享Y轴
练习3
使用GridSpec创建一个主图占2/3面积，右侧两个小图的布局
常见问题
plt.subplot()和plt.subplots()有什么区别？
plt.subplot()逐个创建子图，需要指定索引位置，代码较冗长；plt.subplots()一次性创建所有子图，返回Figure和Axes对象数组，代码更简洁，推荐使用。
如何解决子图标签重叠的问题？
使用plt.tight_layout()自动调整子图间距，或使用fig.subplots_adjust(hspace=0.3, wspace=0.3)手动设置水平和垂直间距。如果使用suptitle()添加总标题，可配合tight_layout(rect=[0, 0, 1, 0.95])避免重叠。
GridSpec如何实现子图跨越多行多列？
使用切片语法，如gs[0:2, 0:2]表示占据第0-1行和第0-1列（2x2区域），gs[2, :]表示占据第2行的所有列。通过灵活组合切片，可以实现各种不规则布局。
sharex=True后如何为特定子图显示X轴刻度？
默认情况下sharex=True只有底部子图显示X轴刻度。如果需要特定子图显示，可以使用ax.tick_params(labelbottom=True)强制显示，或者使用sharex='col'实现按列共享。
fig.suptitle()和ax.set_title()有什么区别？
fig.suptitle()为整个Figure添加总标题，位于所有子图之上；ax.set_title()为单个子图添加标题。通常在多子图布局中，同时使用suptitle作为总标题和各子图的set_title作为局部标题。
本文涉及AI创作
内容由AI创作，请仔细甄别
