上一篇
什么是subplot？
在Python的数据可视化库matplotlib中，subplot函数用于在一个图形窗口中创建并排列多个子图。这对于比较不同数据集、展示多个视角的数据或创建仪表板式的可视化非常有用。
subplot的核心概念是将一个大的画布分割成多个小的绘图区域，每个区域可以独立绘制不同的图表。
subplot布局示意图
上图展示了3x2网格布局的子图排列方式，每个数字代表一个子图位置索引
subplot基本语法
subplot函数的基本语法有以下几种形式：
1. subplot(nrows, ncols, index)
将整个画布划分为nrows行 × ncols列的网格，然后在index指定的位置创建子图。
2. subplot(pos)
使用三位整数指定子图位置，例如subplot(235)表示2行3列网格中的第5个位置。
3. subplot(nrows, ncols, index, **kwargs)
可以传递额外的关键字参数来设置子图属性。
参数详解
| 参数 | 描述 | 示例 |
|---|---|---|
| nrows | 子图网格的行数 | 2 |
| ncols | 子图网格的列数 | 3 |
| index | 当前子图的位置（从1开始） | 1到nrows×ncols之间的整数 |
| pos | 三位整数表示的位置（百位：行数，十位：列数，个位：位置索引） | 235（2行3列第5个位置） |
基本使用示例
import matplotlib.pyplot as plt
import numpy as np
# 创建2x2的子图网格
# 第一个子图（左上角）
plt.subplot(2, 2, 1)
x = np.linspace(0, 10, 100)
plt.plot(x, np.sin(x), 'r-')
plt.title('正弦函数')
# 第二个子图（右上角）
plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x), 'b--')
plt.title('余弦函数')
# 第三个子图（左下角）
plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x), 'g:')
plt.title('正切函数')
plt.ylim(-3, 3) # 限制y轴范围
# 第四个子图（右下角）
plt.subplot(2, 2, 4)
plt.plot(x, np.exp(-x), 'm-.')
plt.title('指数衰减函数')
# 自动调整布局
plt.tight_layout()
plt.show()
上述代码输出结果
高级用法示例
1. 不规则布局
subplot可以创建跨越多个网格单元的子图：
plt.figure(figsize=(10, 6))
# 创建跨越两列的子图 (第1行)
plt.subplot(2, 2, (1, 2)) # 占据第一行的两个位置
x = np.linspace(0, 5, 100)
plt.plot(x, np.sin(2*np.pi*x), 'c-', linewidth=2)
plt.title('主图: 正弦波')
# 左下角子图 (第2行第1列)
plt.subplot(2, 2, 3)
plt.bar(['A', 'B', 'C'], [3, 7, 2], color='orange')
plt.title('柱状图')
# 右下角子图 (第2行第2列)
plt.subplot(2, 2, 4)
sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=['A', 'B', 'C', 'D'], autopct='%1.1f%%')
plt.title('饼图')
plt.tight_layout()
plt.show()
2. 共享坐标轴
多个子图可以共享x轴或y轴，便于比较：
fig, axs = plt.subplots(2, 2, figsize=(10, 8), sharex=True, sharey=True)
# 生成数据
x = np.linspace(0, 2*np.pi, 100)
# 左上
axs[0, 0].plot(x, np.sin(x), 'r')
axs[0, 0].set_title('sin(x)')
# 右上
axs[0, 1].plot(x, np.cos(x), 'g')
axs[0, 1].set_title('cos(x)')
# 左下
axs[1, 0].plot(x, np.tanh(x), 'b')
axs[1, 0].set_title('tanh(x)')
# 右下
axs[1, 1].plot(x, np.exp(-x), 'm')
axs[1, 1].set_title('e^(-x)')
# 添加大标题
fig.suptitle('三角函数与指数函数比较', fontsize=16)
plt.tight_layout()
plt.show()
最佳实践与技巧
使用plt.tight_layout()
调用plt.tight_layout()可以自动调整子图参数，避免标签重叠。
设置图形尺寸
在创建图形时使用plt.figure(figsize=(width, height))设置合适尺寸，确保所有子图清晰可见。
使用面向对象API
对于复杂布局，使用面向对象API更灵活：
fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)
ax2 = fig.add_subplot(2, 2, 2)
# ...
常见错误
避免在同一个位置多次调用subplot，这会导致前一个子图被覆盖。
确保索引值在有效范围内（1到nrows×ncols），否则会报错。
总结
matplotlib的subplot函数是创建多子图可视化的强大工具。通过本教程，您应该已经掌握了：
- subplot的基本语法和参数
- 如何创建规则和不规则布局
- 共享坐标轴的方法
- 最佳实践和常见技巧
多练习不同的布局和图表组合，您将能够创建出专业级的数据可视化作品！
发表评论