子图的使用

复合多图看板排版：subplot、subplots 网格切分与非对称布局精讲

小象实战讲义 · Python数据分析实战

在制作综合性商业仪表盘或科研报告时，单一图表往往只能呈现一个孤立的侧面。我们需要将折线走势图、分布直方图、分类柱状图与相关性散点图有机地组合在同一张大画布中，形成信息密集、结构清晰的多图看板（Multi-Plot Dashboard）。Matplotlib 提供了多种维度的子图排版工具：从快捷的 plt.subplot()、规整的 plt.subplots()，到支持复杂跨行跨列非对称排版的 GridSpec。本节我们将系统讲解子图网格的构建、子图间距自适应调整以及多图联动。

💡 核心导读

• 三大子图构建范式全解：
  • plt.subplot(nrows, ncols, index)：逐个快速定义并激活子图；
  • plt.subplots(nrows, ncols)：标准网格矩阵，一次性返回 fig 和 axes 二维数组；
  • matplotlib.gridspec.GridSpec：支持跨多行或跨多列的自由拼图布局。
• 子图排版美化与冲突消解：plt.tight_layout() 与 fig.subplots_adjust() 杜绝坐标轴标签相互重叠遮挡。
• 坐标轴对齐共享：sharex=True 与 sharey=True 实现联动审阅。

1. 标准网格 subplots 与紧凑排版 tight_layout

通过 subplots 可以一键生成规则的子图矩阵，配合 flatten() 轻松遍历：

┌─────────────────────────────────────────────────────────────┐
│                 2 x 2 标准网格子图拓扑                      │
├──────────────────────────────┬──────────────────────────────┤
│ axes[0, 0] (左上: 折线趋势)  │ axes[0, 1] (右上: 散点相关)  │
├──────────────────────────────┼──────────────────────────────┤
│ axes[1, 0] (左下: 频数分布)  │ axes[1, 1] (右下: 类别占比)  │
└──────────────────────────────┴──────────────────────────────┘

import matplotlib.pyplot as plt
import numpy as np

# 解决中文显示
plt.rcParams['font.sans-serif'] = ['SimHei', 'Microsoft YaHei', 'DejaVu Sans']
plt.rcParams['axes.unicode_minus'] = False

# 1. 创建 2 行 2 列的 4 子图大屏
fig, axes = plt.subplots(2, 2, figsize=(10, 7))

x = np.linspace(0, 10, 50)

# 子图 1 (左上): 趋势折线图
axes[0, 0].plot(x, np.sin(x), "b-", lw=2)
axes[0, 0].set_title("1. 周期性波动趋势")
axes[0, 0].grid(True, alpha=0.3)

# 子图 2 (右上): 散点相关图
axes[0, 1].scatter(np.random.rand(30), np.random.rand(30), color="crimson", alpha=0.7)
axes[0, 1].set_title("2. 变量散点关联")
axes[0, 1].grid(True, alpha=0.3)

# 子图 3 (左下): 频数直方图
axes[1, 0].hist(np.random.randn(200), bins=15, color="teal", edgecolor="white")
axes[1, 0].set_title("3. 误差分布直方图")
axes[1, 0].grid(True, alpha=0.3)

# 子图 4 (右下): 柱状对比图
categories = ["A", "B", "C", "D"]
axes[1, 1].bar(categories, [12, 25, 18, 30], color="coral")
axes[1, 1].set_title("4. 品类指标对比")
axes[1, 1].grid(True, alpha=0.3)

# 关键：自动优化子图间距，防止文字遮挡
plt.tight_layout()

plt.savefig("dashboard_2x2_demo.png", bbox_inches="tight")
plt.close(fig)
print("✅ 2x2 子图大屏渲染完成！")

2. 使用 GridSpec 实现非对称跨行跨列拼图

对于顶部为主图、底部为两个辅助子图的经典分析大屏，使用 GridSpec 可以实现灵活切分。

import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(10, 6))
# 定义 2 行 2 列的网格
gs = gridspec.GridSpec(2, 2, height_ratios=[2, 1])

# 顶部主图：跨越第 0 行的所有列 [0, :]
ax_main = fig.add_subplot(gs[0, :])
ax_main.plot(x, np.exp(x / 3), "g-", lw=2.5, label="指数增长主曲线")
ax_main.set_title("主分析视窗 (顶部通栏)", fontsize=13)
ax_main.legend()
ax_main.grid(True, alpha=0.3)

# 底部左图：占据第 1 行第 0 列 [1, 0]
ax_sub1 = fig.add_subplot(gs[1, 0])
ax_sub1.bar(["Q1", "Q2", "Q3"], [100, 150, 120], color="purple")
ax_sub1.set_title("分季指标")

# 底部右图：占据第 1 行第 1 列 [1, 1]
ax_sub2 = fig.add_subplot(gs[1, 1])
ax_sub2.hist(np.random.normal(0, 1, 100), color="orange", edgecolor="white")
ax_sub2.set_title("残差分布")

plt.tight_layout()
plt.savefig("gridspec_demo.png", bbox_inches="tight")
plt.close(fig)

import os
for f in ["dashboard_2x2_demo.png", "gridspec_demo.png"]:
    if os.path.exists(f): os.remove(f)
print("✅ GridSpec 非对称看板渲染完成！")

📝 动手练一练

1. 概念思考题：在多子图排版中，如果不执行 plt.tight_layout()，经常会出现什么视觉缺陷？tight_layout() 是如何解决的？

   👉 点击查看参考答案

   参考答案：

   • 不执行时，上方子图的 x 轴标签常与下方子图的标题重叠挤压，导致文字无法辨认；
   • tight_layout() 会自动检测所有子图的文本边界盒（Bounding Box），动态计算并为子图之间分配合适的边距与间隔（Padding），确保所有文字清晰完整。

2. 编程练习：使用 plt.subplots 创建一个包含 3 行 1 列纵向排列的子图，且三个子图共享同一个 x 轴（sharex=True）。

   👉 点击查看参考答案

   参考答案：

   import matplotlib.pyplot as plt
   fig, axes = plt.subplots(3, 1, figsize=(8, 6), sharex=True)
   axes[0].set_title("Top")
   axes[1].set_title("Middle")
   axes[2].set_title("Bottom")
   plt.close(fig)

本章小结

• 掌握了使用 plt.subplots(nrows, ncols) 构建规整多图仪表盘的方法；
• 深入掌握了 GridSpec 进行非对称跨行跨列自由拼图排版的高阶技巧；
• 熟练运用 tight_layout() 与 sharex 保证多图大屏的专业美观与数据联动。

📋 行动清单

• 在本地执行示例代码，观察控制台输出并记录关键指标。
• 做好准备，进入下一小节学习《Matplotlib 样式控制：颜色、标记、线型与视觉美化》！

—— 小象教研组