Matplotlib 子图（Subplots）解析

Matplotlib 子图（Subplots）解析

子图（Subplots）可以帮助我们在 同一个画布（figure） 上绘制多个不同的图表，方便进行 数据对比 或 展示多个视角 的数据。

---

1. 什么是 figure 和 subplot

• figure：整个 画布（canvas），包含一个或多个子图。
• subplot：画布上的 单个子图，可以包含不同类型的图表。

在 Matplotlib 中，我们可以使用 plt.subplots() 来创建多个子图：

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

• nrows=1, ncols=2：表示 创建 1 行 2 列的子图（即两个并排的图）。
• figsize=(12, 6)：设置 整体画布大小。

---

2. 子图示例

我们以 中国（China）和印度（India）的移民数据 为例，绘制：

1. 箱线图（Boxplot）
2. 折线图（Line plot）

import matplotlib.pyplot as plt

# 创建画布，1 行 2 列的子图
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

# 绘制箱线图（左侧子图）
df[['China', 'India']].plot(kind='box', ax=axes[0], color='blue')
axes[0].set_title('Box plot of China & India Immigration')

# 绘制折线图（右侧子图）
df[['China', 'India']].plot(kind='line', ax=axes[1])
axes[1].set_title('Line plot of China & India Immigration')

# 调整布局，使图表不重叠
plt.tight_layout()

# 显示图表
plt.show()

---

3. 代码解析

(1) 创建 1 行 2 列的子图

fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))

• nrows=1, ncols=2：创建 一行两列 的子图布局。
• figsize=(12, 6)：设置 画布大小。

(2) 绘制箱线图

df[['China', 'India']].plot(kind='box', ax=axes[0], color='blue')
axes[0].set_title('Box plot of China & India Immigration')

• ax=axes[0]：指定绘制到 第 1 个子图（左侧）。
• set_title()：设置 子图标题。

(3) 绘制折线图

df[['China', 'India']].plot(kind='line', ax=axes[1])
axes[1].set_title('Line plot of China & India Immigration')

• ax=axes[1]：指定绘制到 第 2 个子图（右侧）。

(4) 调整布局

plt.tight_layout()

• 这个函数 自动调整子图的间距，避免重叠。

(5) 显示图表

plt.show()

---

4. 结果

✅ 左侧子图（箱线图）：显示中国和印度移民数量的分布情况。
✅ 右侧子图（折线图）：显示移民数量的变化趋势。
✅ 整体布局清晰、易读，适用于数据对比。

---

5. 其他子图布局

除了 1x2 的布局，我们还可以使用其他布局：

(1) 2x2 子图

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8))

这将创建一个 2 行 2 列的网格布局，适合显示 4 个图。

(2) 不规则布局（GridSpec）

如果想要 不同大小的子图，可以用 GridSpec：

import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(10, 8))
gs = gridspec.GridSpec(2, 2, height_ratios=[2, 1])

ax1 = plt.subplot(gs[0, :])  # 第 1 行，占满 2 列
ax2 = plt.subplot(gs[1, 0])  # 第 2 行，左侧
ax3 = plt.subplot(gs[1, 1])  # 第 2 行，右侧

• 上方大图，下方两张小图。

---

总结

• plt.subplots() 可以创建多个子图，便于 数据对比。
• ax=axes[i] 指定不同的子图位置。
• plt.tight_layout() 避免子图重叠。
• GridSpec 适用于 不规则子图布局。

这样，我们可以 高效可视化 数据！ 🎉