高级图表：子图与多图布局

在实际数据分析和报告中，我们经常需要将多个图表组合在一起，以便进行比较或展示多维信息。 Matplotlib 提供了灵活的子图系统，支持从简单的规则网格到复杂的自定义布局。本章将深入介绍子图创建、布局调整和高级用法。

🔲 1. 基础：plt.subplot()

plt.subplot(nrows, ncols, index) 是最早的子图创建方法，它将画布分割成规则的网格，并按索引（从1开始）选中当前子图：

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 2*np.pi, 100)

plt.figure(figsize=(8,6))

plt.subplot(2,2,1)  # 2行2列，第1个
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2,2,2)  # 第2个
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2,2,3)  # 第3个
plt.plot(x, np.sin(x) * np.cos(x))
plt.title('sin(x)cos(x)')

plt.subplot(2,2,4)  # 第4个
plt.plot(x, np.sin(x)**2)
plt.title('sin²(x)')

plt.tight_layout()
plt.show()

✔️ 每次调用 subplot 后绘制的图表都会进入对应的子图区域。

📐 2. 推荐：plt.subplots()

plt.subplots() 一次性创建所有子图，并返回 Figure 对象和 Axes 对象数组，便于后续操作：

fig, axes = plt.subplots(2, 3, figsize=(12, 6))  # 2行3列

# axes 是一个二维数组，可以通过索引访问
for i in range(2):
    for j in range(3):
        ax = axes[i, j]
        ax.plot(x, np.sin(x + i + j))
        ax.set_title(f'子图 ({i+1},{j+1})')

plt.tight_layout()
plt.show()

✔️ 使用 fig, axes = plt.subplots() 更符合面向对象风格，推荐用于复杂图表。

🤝 3. 共享坐标轴 (sharex, sharey)

在 subplots() 中使用 sharex 和 sharey 参数可以让子图共享坐标轴，方便比较：

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(8,6))

x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) * np.cos(x)
y4 = np.sin(x)**2

axes[0,0].plot(x, y1)
axes[0,1].plot(x, y2)
axes[1,0].plot(x, y3)
axes[1,1].plot(x, y4)

plt.show()

✔️ 共享坐标轴后，缩放或平移一个子图会影响所有共享的子图。

📏 4. 调整子图间距

自动调整布局：plt.tight_layout() 或 fig.tight_layout() 可以自动调整子图参数，避免标签重叠。

手动控制：plt.subplots_adjust() 允许精确调整间距：

fig, axes = plt.subplots(2, 2, figsize=(8,6))

# 手动调整 left, bottom, right, top 以及 wspace, hspace
plt.subplots_adjust(left=0.1, bottom=0.1, right=0.95, top=0.95,
                    wspace=0.3, hspace=0.3)

# 或者使用 tight_layout
plt.tight_layout(pad=2.0, w_pad=1.0, h_pad=1.0)  # pad 是整体边距，w_pad/h_pad 是子图间间距

✔️ 通常 tight_layout() 足够，复杂布局时可使用 subplots_adjust。

🧩 5. 复杂布局：GridSpec

GridSpec 允许创建不规则的子图网格，例如一个子图跨越多行或多列：

import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(8,6))
gs = gridspec.GridSpec(3, 3, figure=fig)  # 3行3列的网格

ax1 = fig.add_subplot(gs[0, :])      # 第一行，所有列
ax2 = fig.add_subplot(gs[1, :-1])    # 第二行，除最后一列
ax3 = fig.add_subplot(gs[1:, -1])    # 最后两行，最后一列
ax4 = fig.add_subplot(gs[2, 0])      # 第三行，第一列
ax5 = fig.add_subplot(gs[2, 1])      # 第三行，第二列

# 绘制一些内容
ax1.plot([1,2,3], [1,4,9])
ax1.set_title('跨列')

ax2.scatter(np.random.randn(50), np.random.randn(50))
ax2.set_title('中间区域')

ax3.bar(['A','B','C'], [3,7,5])
ax3.set_title('右侧跨行')

ax4.hist(np.random.randn(100), bins=20)
ax4.set_title('左下')

ax5.pie([30,40,30], labels=['X','Y','Z'])
ax5.set_title('中下')

plt.tight_layout()
plt.show()

✔️ GridSpec 的切片语法非常灵活，可以轻松实现杂志级布局。

🪆 6. 嵌套子图

subplot2grid 是另一种创建不规则子图的方法，语法类似 subplot 但更直观：

plt.figure(figsize=(10,6))

# 创建3x3网格，ax1位于(0,0)，跨3列
ax1 = plt.subplot2grid((3,3), (0,0), colspan=3)
ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)
ax3 = plt.subplot2grid((3,3), (1,2), rowspan=2)
ax4 = plt.subplot2grid((3,3), (2,0))
ax5 = plt.subplot2grid((3,3), (2,1))

ax1.plot([1,2,3], [1,2,3])
ax1.set_title('ax1: 跨3列')

ax2.scatter(np.random.randn(50), np.random.randn(50))
ax2.set_title('ax2')

ax3.bar(['A','B','C'], [3,7,5])
ax3.set_title('ax3: 跨2行')

ax4.hist(np.random.randn(100))
ax4.set_title('ax4')

ax5.pie([30,40,30], labels=['X','Y','Z'])
ax5.set_title('ax5')

plt.tight_layout()
plt.show()

✔️ subplot2grid 的参数简单明了：网格形状、起始位置、跨行列数。

📌 7. 添加主标题（suptitle）

使用 fig.suptitle() 为整个图形添加一个总标题：

fig, axes = plt.subplots(2, 2, figsize=(8,6))
fig.suptitle('主标题：多个子图的对比', fontsize=16)

axes[0,0].plot(x, np.sin(x))
axes[0,0].set_title('sin(x)')
# ... 其他子图

plt.tight_layout()
plt.show()

⚖️ 8. 定制 GridSpec 的宽度/高度比例

通过 width_ratios 和 height_ratios 可以调整各列/行的相对宽度：

fig = plt.figure(figsize=(8,6))
gs = gridspec.GridSpec(2, 2, width_ratios=[1, 2], height_ratios=[1, 1.5])

ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
ax3 = fig.add_subplot(gs[1, :])  # 第二行合并

ax1.pie([30,70], labels=['A','B'])
ax2.plot([1,2,3], [1,4,9])
ax3.bar(['X','Y','Z'], [5,8,6])

plt.tight_layout()
plt.show()

✔️ 第一列宽度是第二列的一半，第二行高度是第一行的1.5倍。

🔗 9. 共享轴的高级用法

除了创建时共享，也可以在之后使用 ax.sharex() 和 ax.sharey() 建立链接：

fig, axes = plt.subplots(2, 2)
axes[0,0].plot(x, np.sin(x))
axes[1,0].plot(x, np.cos(x))
axes[0,1].plot(x, np.sin(2*x))
axes[1,1].plot(x, np.cos(2*x))

# 共享第一列的 x 轴
axes[1,0].sharex(axes[0,0])
# 共享第一行的 y 轴
axes[0,1].sharey(axes[0,0])

plt.show()

🏆 10. 综合示例：复合报表图表

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.gridspec as gridspec

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) * np.cos(x)

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(3, 3, width_ratios=[1,1,1.5], height_ratios=[1,1,1.5])

# 左上：折线图
ax1 = fig.add_subplot(gs[0, 0])
ax1.plot(x, y1, 'b-')
ax1.set_title('sin(x)')
ax1.set_xlabel('x')
ax1.set_ylabel('sin(x)')

# 中上：散点图
ax2 = fig.add_subplot(gs[0, 1])
ax2.scatter(x, y2, c='r', s=10)
ax2.set_title('cos(x) 散点')
ax2.set_xlabel('x')
ax2.set_ylabel('cos(x)')

# 右上：柱状图（跨两行）
ax3 = fig.add_subplot(gs[0:2, 2])
categories = ['A', 'B', 'C', 'D']
values = [15, 24, 18, 30]
ax3.bar(categories, values, color='lightgreen')
ax3.set_title('柱状图')
ax3.set_ylabel('数值')

# 左中：直方图
ax4 = fig.add_subplot(gs[1, 0])
data = np.random.randn(500)
ax4.hist(data, bins=20, color='steelblue', edgecolor='black')
ax4.set_title('直方图')

# 中中：饼图
ax5 = fig.add_subplot(gs[1, 1])
sizes = [35, 25, 20, 20]
labels = ['A', 'B', 'C', 'D']
ax5.pie(sizes, labels=labels, autopct='%1.1f%%')
ax5.set_title('饼图')

# 下方跨列：热力图
ax6 = fig.add_subplot(gs[2, :])
matrix = np.random.rand(10, 10)
im = ax6.imshow(matrix, cmap='viridis', aspect='auto')
ax6.set_title('热力图')
plt.colorbar(im, ax=ax6)

fig.suptitle('综合报表：多种图表组合', fontsize=16)
plt.tight_layout()
plt.show()

✔️ 一个完整的例子，展示了如何利用 GridSpec 构建复杂的多图布局。

💾 11. 保存多子图图形

与单图相同，使用 savefig 保存：

fig.savefig('multi_panel_figure.png', dpi=300, bbox_inches='tight')

掌握子图布局技巧后，你可以创建任意复杂的多图组合，让数据故事更加丰富。下一章我们将学习如何自定义图表的样式和颜色，使你的图表更具个性和专业感。

上一章: 图像处理与显示下一章: 坐标轴与刻度定制

Matplotlib教程