Matplotlib子图中相同数据直方图存在差异的问题排查

我尝试为稀疏数据集绘制直方图，因单图显示近乎空白，故将数据划分为四个不同区间制作子图以提升可读性。但发现相同数据区间的两个子图直方图存在差异，尽管二者基于完全相同的数据与参数。无法分享原始数据集，但已生成模拟数据复现该问题，代码如下：

import numpy as np
import scipy.stats as st
import matplotlib
import matplotlib.pyplot as plt

dist = st.chi.rvs(0.233966,
                  loc=-5.29021*10**-23,
                  scale=3.955368*10**4,
                  size=110000)
 
bins = np.concatenate((np.linspace(0, 10000, 1000,),
                       np.linspace(10100,100000, 1000),
                       np.linspace(101000, 1000000, 1000),
                       np.linspace(1010000, 4000000, 40)))
 
fig, axs = plt.subplots(ncols=2, nrows=2, figsize=(12,8))
 
y, x, l = axs[0,0].hist(dist, bins=bins, density=True)
start_plot = 0
end_plot = 5000
y_max = np.max(y[(x[:-1]<end_plot) & (x[:-1]>start_plot)])
axs[0, 0].set_xlim((start_plot, end_plot))
axs[0,0].set_ylim((0, y_max))
 
axs[0,1].hist(dist, bins=bins, density=True)
start_plot = 0
end_plot = 5000
y_max = np.max(y[(x[:-1]<end_plot) & (x[:-1]>start_plot)])
axs[0,1].set_xlim((start_plot, end_plot))
axs[0,1].set_ylim((0, y_max))
 
axs[1,0].hist(dist, bins=bins, density=True)
start_plot = 5000
end_plot = 50000
y_max = np.max(y[(x[:-1]<end_plot) & (x[:-1]>start_plot)])
axs[1,0].set_xlim((start_plot, end_plot))
axs[1,0].set_ylim((0, y_max))
 
axs[1,1].hist(dist, bins=bins, density=True)
start_plot = 50000
end_plot = 1000000
y_max = np.max(y[(x[:-1]<end_plot) & (x[:-1]>start_plot)])
axs[1,1].set_xlim((start_plot, end_plot))
axs[1,1].set_ylim((0, y_max))
 
plt.show()

顶部两个子图应显示相同数据，但差异明显；若不绘制底部两个子图，顶部子图虽更相似但仍存在不同。查看补丁发现其x位置、宽度和高度均一致，现求助该差异产生的原因及解决方法。

问题原因 #

这是Matplotlib自带的自动坐标轴对齐特性导致的视觉错觉：

• 当绘制多个子图时，Matplotlib会自动调整每个子图的刻度与轴范围，尽可能让不同子图的刻度线对齐，保证整体布局的整齐性。但这会让相同数据的子图在视觉上出现差异，实际直方图的每个柱子（补丁）的位置、宽度、高度都是完全一致的。
• 即使只绘制顶部两个子图，Matplotlib仍会进行细微的刻度调整，因此视觉上还是会存在微小差别。

解决方法 #

方法1：关闭自动坐标轴对齐

在创建子图时关闭constrained_layout，手动调整子图间距：

fig, axs = plt.subplots(ncols=2, nrows=2, figsize=(12,8), constrained_layout=False)
plt.subplots_adjust(wspace=0.3, hspace=0.3)  # 手动设置子图间的宽、高间距

方法2：手动同步子图坐标轴属性

对于需要完全一致显示的子图，直接复制第一个子图的坐标轴范围、刻度等属性：

# 绘制完axs[0,0]后，将其坐标轴属性同步给axs[0,1]
axs[0,1].set_xlim(axs[0,0].get_xlim())
axs[0,1].set_ylim(axs[0,0].get_ylim())
axs[0,1].set_xticks(axs[0,0].get_xticks())
axs[0,1].set_yticks(axs[0,0].get_yticks())

方法3：预先计算直方图数据，统一绘制

先一次性计算好直方图的数值和区间，再用bar方法分别绘制到每个子图，避免重复调用hist可能带来的细微差异（虽然本例中计算结果一致，但此方法更稳妥）：

# 预先计算直方图数据
y, x = np.histogram(dist, bins=bins, density=True)
widths = np.diff(x)

# 绘制第一个子图
axs[0,0].bar(x[:-1], y, width=widths)
start_plot = 0
end_plot = 5000
y_max = np.max(y[(x[:-1]<end_plot) & (x[:-1]>start_plot)])
axs[0,0].set_xlim((start_plot, end_plot))
axs[0,0].set_ylim((0, y_max))

# 绘制第二个子图，复用同一组数据
axs[0,1].bar(x[:-1], y, width=widths)
axs[0,1].set_xlim(axs[0,0].get_xlim())
axs[0,1].set_ylim(axs[0,0].get_ylim())
axs[0,1].set_xticks(axs[0,0].get_xticks())
axs[0,1].set_yticks(axs[0,0].get_yticks())

# 后续子图同理...

内容的提问来源于stack exchange，提问作者Av06