如何在多个子图中绘图

有几种方法可以做到这一点。 subplots 方法创建图形以及随后存储在 ax 数组中的子图。例如：

import matplotlib.pyplot as plt

x = range(10)
y = range(10)

fig, ax = plt.subplots(nrows=2, ncols=2)

for row in ax:
    for col in row:
        col.plot(x, y)

plt.show()

https://i.stack.imgur.com/2JxAs.png

然而，这样的事情也可以工作，但它不是那么“干净”，因为你正在创建一个带有子图的图形，然后在它们之上添加：

fig = plt.figure()

plt.subplot(2, 2, 1)
plt.plot(x, y)

plt.subplot(2, 2, 2)
plt.plot(x, y)

plt.subplot(2, 2, 3)
plt.plot(x, y)

plt.subplot(2, 2, 4)
plt.plot(x, y)

plt.show()

https://i.stack.imgur.com/0EiUD.png

---

import matplotlib.pyplot as plt

fig, ax = plt.subplots(2, 2)

ax[0, 0].plot(range(10), 'r') #row=0, col=0
ax[1, 0].plot(range(10), 'b') #row=1, col=0
ax[0, 1].plot(range(10), 'g') #row=0, col=1
ax[1, 1].plot(range(10), 'k') #row=1, col=1
plt.show()

https://i.stack.imgur.com/jMSQV.jpg

---

您还可以在 subplots 调用中解压缩轴

并设置是否要在子图之间共享 x 和 y 轴

像这样：

import matplotlib.pyplot as plt
# fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
fig, axes = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
ax1, ax2, ax3, ax4 = axes.flatten()

ax1.plot(range(10), 'r')
ax2.plot(range(10), 'b')
ax3.plot(range(10), 'g')
ax4.plot(range(10), 'k')
plt.show()

https://i.stack.imgur.com/kvOOL.png

---

您可能对从 matplotlib 版本 2.1 开始该问题的第二个代码也可以正常工作这一事实感兴趣。

从 change log：

Figure 类现在有 subplots 方法 Figure 类现在有一个 subplots() 方法，其行为与 pyplot.subplots() 相同，但在现有图形上。

例子：

import matplotlib.pyplot as plt

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

plt.show()

---

阅读文档：matplotlib.pyplot.subplots

pyplot.subplots() 返回一个元组 fig, ax，它使用符号解压缩在两个变量中

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

编码：

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

不起作用，因为 subplots() 是 pyplot 中的函数，而不是对象 Figure 的成员。

---

依次遍历所有子图：

fig, axes = plt.subplots(nrows, ncols)

for ax in axes.flatten():
    ax.plot(x,y)

访问特定索引：

for row in range(nrows):
    for col in range(ncols):
        axes[row,col].plot(x[row], y[col])

---

带有熊猫的子图

这个答案适用于带有 pandas 的子图，它使用 matplotlib 作为默认的绘图后端。

以下是从 pandas.DataFrame 实现 1. 和 2. 开始创建子图的四个选项，用于宽格式的数据，为每列创建子图。实现 3. 和 4. 用于长格式数据，为列中的每个唯一值创建子图。

实现 1. 和 2. 用于宽格式的数据，为每列创建子图。

实现 3. 和 4. 用于长格式数据，为列中的每个唯一值创建子图。

在 python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、seaborn 0.11.2 中测试

导入和数据

import seaborn as sns  # data only
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# wide dataframe
df = sns.load_dataset('planets').iloc[:, 2:5]

   orbital_period   mass  distance
0         269.300   7.10     77.40
1         874.774   2.21     56.95
2         763.000   2.60     19.84
3         326.030  19.40    110.62
4         516.220  10.50    119.47

# long dataframe
dfm = sns.load_dataset('planets').iloc[:, 2:5].melt()

         variable    value
0  orbital_period  269.300
1  orbital_period  874.774
2  orbital_period  763.000
3  orbital_period  326.030
4  orbital_period  516.220

1. subplots=True 和布局，对于每一列

在 pandas.DataFrame.plot 中使用参数 subplots=True 和 layout=(rows, cols)

此示例使用 kind='density'，但 kind 有不同的选项，这适用于所有选项。如果不指定种类，则默认使用折线图。

ax 是 pandas.DataFrame.plot 返回的 AxesSubplot 数组

如果需要，请参阅如何获取 Figure 对象。如何保存熊猫子图

如何保存熊猫子图

axes = df.plot(kind='density', subplots=True, layout=(2, 2), sharex=False, figsize=(10, 6))

# extract the figure object; only used for tight_layout in this example
fig = axes[0][0].get_figure() 

# set the individual titles
for ax, title in zip(axes.ravel(), df.columns):
    ax.set_title(title)
fig.tight_layout()
plt.show()

2. plt.subplots，对于每一列

使用 matplotlib.pyplot.subplots 创建一个 Axes 数组，然后将 axes[i, j] 或 axes[n] 传递给 ax 参数。此选项使用 pandas.DataFrame.plot，但可以使用其他轴级别绘图调用作为替代（例如 sns.kdeplot、plt.plot 等）。使用 .ravel 或 . 将 Axes 的子图数组折叠成一维是最简单的。变平。请参阅 .ravel 与 .flatten。应用于每个轴的任何需要迭代的变量都与 .zip 组合在一起（例如，列、轴、颜色、调色板等）。每个对象的长度必须相同。

此选项使用 pandas.DataFrame.plot，但可以使用其他轴级别绘图调用作为替代（例如 sns.kdeplot、plt.plot 等）

使用 .ravel 或 .flatten 将 Axes 的子图数组折叠成一维是最简单的。请参阅 .ravel 与 .flatten。

应用于每个轴的任何需要迭代的变量都与 .zip 组合在一起（例如，列、轴、颜色、调色板等）。每个对象的长度必须相同。

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6))  # define the figure and subplots
axes = axes.ravel()  # array to 1D
cols = df.columns  # create a list of dataframe columns to use
colors = ['tab:blue', 'tab:orange', 'tab:green']  # list of colors for each subplot, otherwise all subplots will be one color

for col, color, ax in zip(cols, colors, axes):
    df[col].plot(kind='density', ax=ax, color=color, label=col, title=col)
    ax.legend()
    
fig.delaxes(axes[3])  # delete the empty subplot
fig.tight_layout()
plt.show()

1. 和 2 的结果。

https://i.stack.imgur.com/D64Me.png

3. plt.subplots，对于 .groupby 中的每个组

这与 2. 类似，不同之处在于它将颜色和轴压缩到 .groupby 对象。

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6))  # define the figure and subplots
axes = axes.ravel()  # array to 1D
dfg = dfm.groupby('variable')  # get data for each unique value in the first column
colors = ['tab:blue', 'tab:orange', 'tab:green']  # list of colors for each subplot, otherwise all subplots will be one color

for (group, data), color, ax in zip(dfg, colors, axes):
    data.plot(kind='density', ax=ax, color=color, title=group, legend=False)

fig.delaxes(axes[3])  # delete the empty subplot
fig.tight_layout()
plt.show()

https://i.stack.imgur.com/Nw1Yo.png

4. seaborn 人物级剧情

使用 seaborn 图形级别图，并使用 col 或 row 参数。 seaborn 是 matplotlib 的高级 API。请参阅 seaborn：API 参考

p = sns.displot(data=dfm, kind='kde', col='variable', col_wrap=2, x='value', hue='variable',
                facet_kws={'sharey': False, 'sharex': False}, height=3.5, aspect=1.75)
sns.move_legend(p, "upper left", bbox_to_anchor=(.55, .45))

---

其他答案很好，这个答案是一个可能有用的组合。

import numpy as np
import matplotlib.pyplot as plt

# Optional: define x for all the sub-plots
x = np.linspace(0,2*np.pi,100)

# (1) Prepare the figure infrastructure 
fig, ax_array = plt.subplots(nrows=2, ncols=2)

# flatten the array of axes, which makes them easier to iterate through and assign
ax_array = ax_array.flatten()

# (2) Plot loop
for i, ax in enumerate(ax_array):
  ax.plot(x , np.sin(x + np.pi/2*i))
  #ax.set_title(f'plot {i}')

# Optional: main title
plt.suptitle('Plots')

https://i.stack.imgur.com/663hv.png

概括

准备图形基础结构 获取 ax_array，一个子图数组 展平数组以便在一个“for 循环”中使用它 绘图循环 在展平的 ax_array 上循环以更新子图 可选：使用枚举来跟踪子图编号 一旦展平，每个 ax_array可以从 0 到 nrows x ncols -1 单独索引（例如 ax_array[0]、ax_array[1]、ax_array[2]、ax_array[3]）。

---

这是一个简单的解决方案

fig, ax = plt.subplots(nrows=2, ncols=3, sharex=True, sharey=False)
for sp in fig.axes:
    sp.plot(range(10))

https://i.stack.imgur.com/5dBZe.png

---

将坐标区数组转换为 1D

使用 plt.subplots(nrows, ncols) 生成子图，其中 nrows 和 ncols 均大于 1，返回 对象的嵌套数组。在 nrows=1 或 ncols=1 的情况下，不需要展平坐标轴，因为坐标轴已经是一维的，这是默认参数 squeeze=True 的结果

在 nrows=1 或 ncols=1 的情况下，不需要展平坐标轴，因为坐标轴已经是一维的，这是默认参数 squeeze=True 的结果

访问对象的最简单方法是使用 .ravel()、.flatten() 或 .flat 将数组转换为一维。 .ravel 与 .flatten flatten 总是返回一个副本。 ravel 尽可能返回原始数组的视图。

.ravel 与 .flatten flatten 总是返回一个副本。 ravel 尽可能返回原始数组的视图。

flatten 总是返回一个副本。

ravel 尽可能返回原始数组的视图。

将轴数组转换为 1-d 后，有多种绘图方法。

这个答案与 seaborn 轴级图相关，它具有 ax= 参数（例如 sns.barplot(..., ax=ax[0])。seaborn 是 matplotlib 的高级 API。参见 Figure-level vs . 轴级函数和 seaborn 未在定义的子图中绘制

seaborn 是 matplotlib 的高级 API。请参阅图形级与轴级函数，并且 seaborn 未在定义的子图中绘制

import matplotlib.pyplot as plt
import numpy as np  # sample data only

# example of data
rads = np.arange(0, 2*np.pi, 0.01)
y_data = np.array([np.sin(t*rads) for t in range(1, 5)])
x_data = [rads, rads, rads, rads]

# Generate figure and its subplots
fig, axes = plt.subplots(nrows=2, ncols=2)

# axes before
array([[<AxesSubplot:>, <AxesSubplot:>],
       [<AxesSubplot:>, <AxesSubplot:>]], dtype=object)

# convert the array to 1 dimension
axes = axes.ravel()

# axes after
array([<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>],
      dtype=object)

遍历展平的数组如果子图比数据多，这将导致 IndexError: list index out of range 请尝试选项 3。改为，或选择轴的子集（例如 axes[:-2]）

for i, ax in enumerate(axes):
    ax.plot(x_data[i], y_data[i])

按索引访问每个轴

axes[0].plot(x_data[0], y_data[0])
axes[1].plot(x_data[1], y_data[1])
axes[2].plot(x_data[2], y_data[2])
axes[3].plot(x_data[3], y_data[3])

索引数据和轴

for i in range(len(x_data)):
    axes[i].plot(x_data[i], y_data[i])

将轴和数据压缩在一起，然后遍历元组列表

for ax, x, y in zip(axes, x_data, y_data):
    ax.plot(x, y)

输出

https://i.stack.imgur.com/AvhBx.png

一个选项是将每个轴分配给一个变量 fig, (ax1, ax2, ax3) = plt.subplots(1, 3)。然而，正如所写，这只适用于 nrows=1 或 ncols=1 的情况。这是基于 plt.subplots 返回的数组的形状，很快就会变得很麻烦。 fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2) 对于 2 x 2 数组。此选项对于两个子图最有用（例如：fig, (ax1, ax2) = plt.subplots(1, 2) 或 fig, (ax1, ax2) = plt.subplots(2, 1)）。对于更多子图，展平和迭代轴数组会更有效。

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2) 对于 2 x 2 数组。

此选项对于两个子图最有用（例如：fig, (ax1, ax2) = plt.subplots(1, 2) 或 fig, (ax1, ax2) = plt.subplots(2, 1)）。对于更多子图，展平和迭代轴数组会更有效。

---

如果您真的想使用循环，请执行以下操作：

def plot(data):
    fig = plt.figure(figsize=(100, 100))
    for idx, k in enumerate(data.keys(), 1):
        x, y = data[k].keys(), data[k].values
        plt.subplot(63, 10, idx)
        plt.bar(x, y)  
    plt.show()

---

另一个简洁的解决方案是：

// set up structure of plots
f, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(20,10))

// for plot 1
ax1.set_title('Title A')
ax1.plot(x, y)

// for plot 2
ax2.set_title('Title B')
ax2.plot(x, y)

// for plot 3
ax3.set_title('Title C')
ax3.plot(x,y)

---