当前位置：首页 > ops >正文

一周学会Matplotlib3 Python 数据可视化-多子图及布局实现

ops 2025/8/20 0:26:31

锋哥原创的Matplotlib3 Python数据可视化视频教程：

2026版 Matplotlib3 Python 数据可视化视频教程(无废话版) 玩命更新中~_哔哩哔哩_bilibili

课程介绍

本课程讲解利用python进行数据可视化科研绘图-Matplotlib，学习Matplotlib图形参数基本设置，绘图参数及主要函数，以及Matplotlib基础绘图，和Matplotlib高级绘图。

多子图及布局实现

Matplotlib 提供了多种创建多子图布局的方式，适用于数据对比、多维度可视化等场景。以下是三种核心方法及示例：

方法一：plt.subplots()（推荐）

适用场景：创建均匀网格布局的子图

plt.subplots() 是 Matplotlib 中用于批量创建图形（Figure）和子图（Axes）的核心函数。它简化了多子图的布局管理，比传统的 plt.subplot() 更灵活高效。下面从功能、参数到示例详细解析：

fig, axes = plt.subplots(nrows=1,           # 子图行数 (默认1)ncols=1,           # 子图列数 (默认1)sharex=False,      # 是否共享x轴sharey=False,      # 是否共享y轴figsize=None,      # 图形大小 (元组: (宽, 高))constrained_layout=False,  # 自动调整布局**kwargs           # 其他Figure参数 (如dpi, facecolor等)
)

我们看一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 生成数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x / 8)

# 创建2×2子图布局 (返回Figure对象和Axes数组)
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(10, 8))
fig.suptitle('2×2 子图示例', fontsize=16)

# 绘制第一个子图
axs[0, 0].plot(x, y1, 'r-')
axs[0, 0].set_title('正弦函数')
axs[0, 0].grid(True)

# 绘制第二个子图
axs[0, 1].plot(x, y2, 'b--')
axs[0, 1].set_title('余弦函数')
axs[0, 1].set_facecolor('#f0f0f0')  # 设置背景色

# 绘制第三个子图 (对数坐标)
axs[1, 0].semilogy(x, y4, 'g-')
axs[1, 0].set_title('指数函数（对数Y轴）')
axs[1, 0].set_xlabel('X轴')

# 绘制第四个子图 (设置Y轴范围)
axs[1, 1].plot(x, y3, 'm-.')
axs[1, 1].set_title('正切函数')
axs[1, 1].set_ylim(-5, 5)  # 限制Y轴范围

# 调整布局
plt.tight_layout(rect=[0, 0, 1, 0.96])  # 为总标题留空间
plt.show()

运行截图：

方法二：GridSpec（复杂布局）

适用场景：创建不规则大小的子图

GridSpec 是 Matplotlib 中用于创建复杂、非均匀子图布局的高级工具。它提供了比 plt.subplots() 更精细的控制，允许你定义不同大小的子图、跨行列的子图以及复杂的布局比例。

核心概念

GridSpec 通过定义一个网格系统来工作：

将整个图形区域划分为行和列的网格
允许子图跨越多个网格单元
支持设置行和列的相对大小比例

基本语法：

from matplotlib.gridspec import GridSpec

# 创建 GridSpec 对象
gs = GridSpec(nrows,              # 网格总行数ncols,              # 网格总列数figure=None,        # 关联的 Figure 对象left=None,          # 网格左侧位置 (0-1)right=None,         # 网格右侧位置 (0-1)bottom=None,        # 网格底部位置 (0-1)top=None,           # 网格顶部位置 (0-1)wspace=None,        # 列间距 (宽度比例)hspace=None,        # 行间距 (高度比例)width_ratios=None,  # 列宽度比例列表height_ratios=None, # 行高度比例列表
)

我们看一个示例：

import matplotlib.pyplot as plt
import numpy as np

from matplotlib.gridspec import GridSpec

# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 生成数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x / 8)

fig = plt.figure(figsize=(12, 8))
gs = GridSpec(3, 3, figure=fig)  # 3×3网格

# 创建跨行列的子图
ax1 = fig.add_subplot(gs[0, :])  # 首行全宽
ax2 = fig.add_subplot(gs[1, :-1])  # 第二行左侧两列
ax3 = fig.add_subplot(gs[1:, 2])  # 后两行最右列
ax4 = fig.add_subplot(gs[2, 0])  # 第三行首列
ax5 = fig.add_subplot(gs[2, 1])  # 第三行第二列

# 填充子图内容
ax1.plot(x, y1, color='tab:blue')
ax1.set_title('全宽标题区')

ax2.scatter(x, y2, c=y4, cmap='viridis')
ax2.set_title('散点图（带颜色映射）')

ax3.barh(x[:10], y4[:10], height=0.3)
ax3.set_title('横向柱状图')

ax4.pie([15, 30, 45, 10], labels=['A', 'B', 'C', 'D'])
ax4.set_title('饼图')

ax5.hist(np.random.randn(1000), bins=30)
ax5.set_title('直方图')

plt.suptitle('GridSpec 不规则布局', fontsize=16)
plt.tight_layout()
plt.show()

运行截图：

方法三：subplot2grid（传统方法）

适用场景：快速实现简单不规则布局

subplot2grid() 是 Matplotlib 中用于创建复杂子图布局的灵活方法，特别适合构建非均匀网格布局。它结合了 subplot() 的简单性和 GridSpec 的灵活性，是创建自定义布局的高效工具。

核心概念

subplot2grid() 允许你：

定义一个网格系统（行和列）
指定子图的起始位置（行索引和列索引）
设置子图跨越的行数和列数
直接创建 Axes 对象

基本语法：

ax = plt.subplot2grid(shape,          # 网格形状 (行数, 列数)loc,            # 子图起始位置 (行索引, 列索引)rowspan=1,      # 子图跨越的行数（默认为1）colspan=1,      # 子图跨越的列数（默认为1）fig=None,       # 关联的Figure对象**kwargs        # 其他Axes参数
)

我们看一个示例：

import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体支持
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 生成数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x / 8)

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

# 定义网格形状 (3×3)
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2)
ax2 = plt.subplot2grid((3, 3), (0, 2), rowspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 0))
ax4 = plt.subplot2grid((3, 3), (1, 1))
ax5 = plt.subplot2grid((3, 3), (2, 0), colspan=3)

# 填充内容
ax1.fill_between(x, y1, y2, alpha=0.3)
ax2.plot(x, y3, 'r--', linewidth=2)
ax3.scatter(x[::5], y4[::5], s=50)
ax4.boxplot([np.random.normal(0, std, 100) for std in range(1, 4)])
ax5.stackplot(x, y1, y2, labels=['sin', 'cos'])

# 添加图例和标题
ax5.legend(loc='lower right')
plt.suptitle('subplot2grid 布局示例', fontsize=14)
plt.tight_layout()
plt.show()