在可视化数据时，通常需要在单个图形中绘制多个图形。 例如，如果您想从不同的角度可视化相同的变量（例如，数字变量的并排直方图和箱线图），则多个图形很有用。 在这篇文章中，我分享了绘制多个图形的 4 个简单但实用的技巧。

数据集📦

让我们导入包并更新图表的默认设置，为图表添加一点个人风格。 我们将在提示上使用 Seaborn 的内置数据集：

import seaborn as sns # v0.11.2  
import matplotlib.pyplot as plt # v3.4.2  
sns.set(style='darkgrid', context='talk', palette='rainbow')df = sns.load\_dataset('tips')  
df.head()

📍 技巧1: plt.subplots()

绘制多个子图的一种简单方法是使用 plt.subplots()。 这是绘制 2 个并排子图的示例语法：

fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,4))  
sns.histplot(data=df, x='tip', ax=ax[0])  
sns.boxplot(data=df, x='tip', ax=ax[1]);

在这里，我们在一个图中绘制了两个子图。 我们可以进一步自定义每个子图。 例如，我们可以像这样为每个子图添加标题：

fig, ax = plt.subplots(1, 2, figsize=(10,4))  
sns.histplot(data=df, x='tip', ax=ax[0])  
ax[0].set\_title("Histogram")  
sns.boxplot(data=df, x='tip', ax=ax[1])  
ax[1].set\_title("Boxplot");

在循环中将所有数值变量用同一组图表示：

numerical = df.select\_dtypes('number').columnsfor col in numerical:  
 fig, ax = plt.subplots(1, 2, figsize=(10,4))  
 sns.histplot(data=df, x=col, ax=ax[0])  
 sns.boxplot(data=df, x=col, ax=ax[1]);

📍 技巧2: plt.subplot()

另一种可视化多个图形的方法是使用 plt.subplot()，末尾没有 s）。 语法与之前略有不同：

plt.figure(figsize=(10,4))  
ax1 = plt.subplot(1,2,1)  
sns.histplot(data=df, x='tip', ax=ax1)  
ax2 = plt.subplot(1,2,2)  
sns.boxplot(data=df, x='tip', ax=ax2);

当您想为多个图绘制相同类型的图形并在单个图中查看所有图形，该方法特别有用：

plt.figure(figsize=(14,4))  
for i, col in enumerate(numerical):  
 ax = plt.subplot(1, len(numerical), i+1)  
 sns.boxplot(data=df, x=col, ax=ax)

我们同样能定制子图形。例如加个title

plt.figure(figsize=(14,4))  
for i, col in enumerate(numerical):  
 ax = plt.subplot(1, len(numerical), i+1)  
 sns.boxplot(data=df, x=col, ax=ax)   
 ax.set\_title(f"Boxplot of {col}")

通过下面的比较，我们能更好的理解它们的相似处与不同处

熟悉这两种方法很有用，因为它们可以在不同情况下派上用场。

📍 技巧3: plt.tight_layout()

在绘制多个图形时，经常会看到一些子图的标签在它们的相邻子图上重叠，如下所示：

categorical = df.select\_dtypes('category').columnsplt.figure(figsize=(8, 8))  
for i, col in enumerate(categorical):  
 ax = plt.subplot(2, 2, i+1)  
 sns.countplot(data=df, x=col, ax=ax)

顶部两个图表的 x 轴上的变量名称被剪掉，右侧图的 y 轴标签与左侧子图重叠.使用plt.tight_layout很方便

plt.figure(figsize=(8, 8))  
for i, col in enumerate(categorical):  
 ax = plt.subplot(2, 2, i+1)  
 sns.countplot(data=df, x=col, ax=ax)   
plt.tight\_layout()

专业你个看起来更好了。

📍 技巧4: plt.suptitle()

真个图形添加标题

plt.figure(figsize=(8, 8))  
for i, col in enumerate(categorical):  
 ax = plt.subplot(2, 2, i+1)  
 sns.countplot(data=df, x=col, ax=ax)   
plt.suptitle('Category counts for all categorical variables')  
plt.tight\_layout()

此外，您可以根据自己的喜好自定义各个图。 例如，您仍然可以为每个子图添加标题。