Matplotlib-多图布局与网格显示

在数据分析与可视化中，单一图表往往难以全面呈现复杂信息，将多个相关图表按逻辑布局组合，既能对比数据特征，又能揭示潜在关联。Matplotlib提供了灵活的多图布局工具，从简单的行列排列到复杂的嵌套网格，满足从基础分析到专业报告的多样化需求。

一、多图布局的核心组件

Matplotlib的多图布局基于画布（Figure） 和子图（Axes） 两大组件：

• 画布（Figure）：所有图表的容器，相当于绘图的“纸张”，通过plt.figure()创建。
• 子图（Axes）：画布上的单个图表区域，包含坐标轴、标题等元素，通过plt.subplot()或plt.subplots()创建。

多图布局的本质是在画布上规划子图的位置与尺寸，关键参数包括：

• 行数（nrows） 与列数（ncols）：定义子图的网格结构。
• 间距（hspace/wspace）：控制子图之间的垂直/水平距离。
• 跨度（colspan/rowspan）：允许子图跨越多行或多列（复杂布局必备）。

二、基础布局：plt.subplots()快速创建网格

plt.subplots(nrows, ncols)是创建规则网格布局的首选方法，一次性生成所有子图并返回子图数组，适合行列整齐的布局。

1. 均等分网格

创建2行2列的均等分网格，展示4个相关图表：

import numpy as np
import matplotlib.pyplot as plt# 创建2x2网格的画布和子图数组
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8))  # 画布大小10x8英寸# 生成示例数据
x = np.linspace(0, 2*np.pi, 100)
data = [np.sin(x), np.cos(x), np.sin(2*x), np.cos(2*x)]
titles = ['sin(x)', 'cos(x)', 'sin(2x)', 'cos(2x)']# 遍历子图数组并绘图
for i, ax in enumerate(axes.flat):  # axes.flat将二维数组转为一维迭代器ax.plot(x, data[i])ax.set_title(titles[i], fontsize=10)ax.grid(alpha=0.3)# 调整子图间距（hspace垂直间距，wspace水平间距）
plt.subplots_adjust(hspace=0.3, wspace=0.2)
plt.suptitle("Trigonometric Functions", fontsize=14, y=0.95)  # 总标题
plt.show()

• axes.flat简化了子图的批量处理，避免嵌套循环。
• plt.subplots_adjust()用于微调间距，确保图表不重叠。

2. 不等分网格（指定比例）

通过gridspec_kw参数设置行列比例，实现非均等分布局：

# 创建1行2列网格，列宽比例为3:1
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(10, 4),gridspec_kw={'width_ratios': [3, 1]})# 左侧绘制曲线
ax1.plot(x, np.sin(x), color='blue')
ax1.set_title("sin(x) Curve")
ax1.grid(alpha=0.3)# 右侧绘制直方图
ax2.hist(np.sin(x), bins=20, orientation='horizontal', color='orange')
ax2.set_title("Distribution")
ax2.grid(alpha=0.3)plt.tight_layout()  # 自动调整布局，替代subplots_adjust
plt.show()

• width_ratios控制列宽比例，height_ratios控制行高比例（适用于多行布局）。
• plt.tight_layout()自动优化间距，是快速布局的实用工具。

三、进阶布局：GridSpec实现复杂嵌套

当需要跨行列的子图（如合并单元格的Excel表格），matplotlib.gridspec.GridSpec是更强大的工具，支持子图跨度与精细尺寸控制。

1. 跨行列布局

创建包含跨列子图的复杂网格：

from matplotlib.gridspec import GridSpec# 创建3行3列的GridSpec，设置行高和列宽比例
gs = GridSpec(3, 3, figure=plt.figure(figsize=(10, 8)),height_ratios=[1, 1, 1],width_ratios=[1, 1, 1],hspace=0.3, wspace=0.2)# 分配子图位置（行索引start:end, 列索引start:end）
ax1 = plt.subplot(gs[0, :])  # 第0行，横跨所有列（0-2）
ax2 = plt.subplot(gs[1, 0:2])  # 第1行，列0-1
ax3 = plt.subplot(gs[1, 2])  # 第1行，列2
ax4 = plt.subplot(gs[2, 0])  # 第2行，列0
ax5 = plt.subplot(gs[2, 1:3])  # 第2行，列1-2# 绘图示例
ax1.plot(x, np.sin(x), color='red')
ax1.set_title("Full Width Plot (Row 0)")ax2.scatter(np.random.rand(50), np.random.rand(50), alpha=0.6)
ax3.bar(['A', 'B', 'C'], [3, 5, 2], color='green')
ax4.hist(np.random.normal(0, 1, 100), bins=15)
ax5.plot(x, np.cos(x), color='purple')# 隐藏冗余坐标轴标签
for ax in [ax2, ax3, ax4, ax5]:ax.tick_params(axis='x', labelsize=8)ax.tick_params(axis='y', labelsize=8)plt.tight_layout()
plt.show()

• gs[i, j]中，i和j支持切片（start:end），表示跨多个索引。
• 适合创建“标题图+细节图”的层级布局，突出核心信息。

2. 嵌套GridSpec

在子图中嵌套另一个GridSpec，实现更复杂的层级结构：

fig = plt.figure(figsize=(12, 8))# 外层GridSpec：2行1列
outer_gs = GridSpec(2, 1, figure=fig, height_ratios=[1, 2], hspace=0.4)# 上层子图：简单曲线
ax_top = fig.add_subplot(outer_gs[0])
ax_top.plot(x, np.sin(x), color='blue')
ax_top.set_title("Main Trend")# 下层嵌套GridSpec：1行2列
inner_gs = GridSpecFromSubplotSpec(1, 2, subplot_spec=outer_gs[1], wspace=0.3)
ax_bottom_left = fig.add_subplot(inner_gs[0])
ax_bottom_right = fig.add_subplot(inner_gs[1])ax_bottom_left.plot(x, np.sin(x)*0.5, color='orange')
ax_bottom_left.set_title("Zoomed In")
ax_bottom_right.plot(x, np.sin(x)+1, color='green')
ax_bottom_right.set_title("Shifted Up")plt.tight_layout()
plt.show()

• GridSpecFromSubplotSpec用于在内层子图中创建新网格，继承外层布局的位置。
• 适合展示“总览+分面”的数据分析场景（如地图的全局+局部放大）。

四、实用技巧：布局美化与一致性

1. 统一坐标轴范围与标签

多图对比时，保持坐标轴范围一致可避免视觉误导：

fig, axes = plt.subplots(2, 2, figsize=(10, 8))
data = [np.sin(x), np.sin(x)+1, np.sin(x)*2, np.sin(x)-1]for i, ax in enumerate(axes.flat):ax.plot(x, data[i])ax.set_ylim(-2.5, 2.5)  # 统一y轴范围ax.set_xlim(0, 2*np.pi)  # 统一x轴范围# 共享x轴（仅显示底部子图的x标签）
for ax in axes[:-1, :].flat:ax.set_xticklabels([])# 共享y轴（仅显示左侧子图的y标签）
for ax in axes[:, 1:].flat:ax.set_yticklabels([])plt.tight_layout()
plt.show()

• sharex=True和sharey=True在plt.subplots()中可快速实现轴共享：

  fig, axes = plt.subplots(2, 2, figsize=(10, 8), sharex=True, sharey=True)
  

2. 全局样式统一

通过plt.rcParams设置全局样式，确保多图风格一致：

# 设置全局字体和线条样式
plt.rcParams.update({'font.family': 'SimHei',  # 支持中文'axes.labelsize': 10,'axes.titlesize': 12,'lines.linewidth': 1.5,'grid.linestyle': ':'
})# 绘图时自动应用全局样式
fig, ax = plt.subplots()
ax.plot(x, np.sin(x))
ax.set_title("中文标题测试")  # 正常显示中文
plt.show()

3. 动态调整子图数量

根据数据量动态生成子图（如批量展示10个样本的图像）：

n_samples = 6  # 动态数据量
n_cols = 3  # 固定列数
n_rows = (n_samples + n_cols - 1) // n_cols  # 计算行数（向上取整）fig, axes = plt.subplots(n_rows, n_cols, figsize=(n_cols*4, n_rows*3))for i in range(n_samples):row = i // n_colscol = i % n_colsaxes[row, col].plot(x, np.sin(x + i*0.5))axes[row, col].set_title(f"Sample {i+1}")# 隐藏多余子图（若样本数不足n_rows*n_cols）
for i in range(n_samples, n_rows*n_cols):row = i // n_colscol = i % n_colsfig.delaxes(axes[row, col])plt.tight_layout()
plt.show()

五、常见问题与解决方案

1. 子图重叠或标签被截断

• 解决方案：使用plt.tight_layout()或plt.subplots_adjust(top=0.9)调整顶部留白。
• 极端情况：减小figsize或字体大小（plt.rcParams['font.size'] = 8）。

2. 中文显示乱码

• 解决方案：设置全局字体为支持中文的字体（如SimHei、WenQuanYi Micro Hei）：

  plt.rcParams["font.family"] = ["SimHei", "WenQuanYi Micro Hei", "Heiti TC"]
  

3. 保存图像时布局错乱

• 解决方案：保存时添加bbox_inches='tight'参数：

  plt.savefig("multi_plot.png", dpi=300, bbox_inches='tight')
  

总结：Matplotlib多图布局的核心原则

1. 简洁优先：规则网格用plt.subplots()，复杂跨列用GridSpec。
2. 逻辑清晰：按数据关联度排列，同类图表保持样式一致。
3. 视觉平衡：避免子图大小差异过大，关键图表可占据更大空间。
4. 自动化适配：利用tight_layout()和动态计算行数，减少手动调整。

That’s all, thanks for reading~~
觉得有用就点个赞、收进收藏夹吧！关注我，获取更多干货～