Matplotlib子图全局图例样式匹配异常问题及解决方案问询

这个问题我之前也碰到过，核心原因是当子图存在重复命名的参数时，Matplotlib自动收集图例条目时会被重复标签（比如多个子图都用"A_data"作为标签）打乱数据集和样式的对应映射，尤其是第一个子图的重复标签会覆盖后续的样式关联。加上你没给子图单独创建图例，所以get_legend_handles_labels()返回空也很正常——这些子图本身没有生成图例句柄。

下面给你两个彻底解决的方案，不管第一个子图是不是重复参数，都能保证图例样式正确匹配：

方案1：手动预定义图例句柄（最可靠） #

直接提前定义好两个数据集的固定样式，然后用这些预定义的句柄生成全局图例，完全不依赖子图的自动收集。这样不管子图怎么绘制重复参数，图例样式都不会乱。

示例代码：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 模拟带重复参数的数据集
np.random.seed(42)
df = pd.DataFrame({
    "A_data_Test1": np.random.rand(10),
    "A_data_Test2": np.random.rand(10),
    "B_data_Test1": np.random.rand(10),
    "B_data_Test2": np.random.rand(10),
    "A_data_Test1_dup": np.random.rand(10)  # 模拟重复的A_data参数
})

# 预定义两个数据集的样式句柄
handle_test1, = plt.plot([], [], 'ro-', label='Dataset1')  # 红色圆形+线条
handle_test2, = plt.plot([], [], 'ks-', label='Dataset2')  # 黑色方形+线条

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
axs = axs.flatten()

# 绘制子图（第一个子图就是重复参数A_data）
axs[0].plot(df["A_data_Test1"], 'ro-')
axs[0].plot(df["A_data_Test2"], 'ks-')
axs[0].set_title("A_data (重复参数)")

axs[1].plot(df["B_data_Test1"], 'ro-')
axs[1].plot(df["B_data_Test2"], 'ks-')
axs[1].set_title("B_data (唯一参数)")

axs[2].plot(df["A_data_Test1_dup"], 'ro-')
axs[2].plot(df["A_data_Test2"], 'ks-')
axs[2].set_title("A_data_dup (重复参数)")

axs[3].plot(df["B_data_Test1"], 'ro-')
axs[3].plot(df["A_data_Test2"], 'ks-')
axs[3].set_title("混合参数")

# 使用预定义的句柄生成全局图例
fig.legend(handles=[handle_test1, handle_test2], loc='upper center', ncol=2, fontsize=12)

plt.tight_layout(rect=[0, 0, 1, 0.95])  # 给图例留空间
plt.show()

这个方法的好处是完全可控，图例样式和数据集的对应关系是硬编码的，不会受子图内容影响，非常适合你的场景。

方案2：手动收集唯一的图例句柄 #

如果不想预定义，而是要从子图中提取正确的句柄，可以遍历所有子图，收集每个数据集的第一个出现的有效句柄，避免重复标签的干扰。

示例代码：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

np.random.seed(42)
df = pd.DataFrame({
    "A_data_Test1": np.random.rand(10),
    "A_data_Test2": np.random.rand(10),
    "B_data_Test1": np.random.rand(10),
    "B_data_Test2": np.random.rand(10),
    "A_data_Test1_dup": np.random.rand(10)
})

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
axs = axs.flatten()

# 绘制子图时，给每条曲线指定label（关键！）
axs[0].plot(df["A_data_Test1"], 'ro-', label='Dataset1')
axs[0].plot(df["A_data_Test2"], 'ks-', label='Dataset2')
axs[0].set_title("A_data (重复参数)")

axs[1].plot(df["B_data_Test1"], 'ro-', label='Dataset1')
axs[1].plot(df["B_data_Test2"], 'ks-', label='Dataset2')
axs[1].set_title("B_data (唯一参数)")

axs[2].plot(df["A_data_Test1_dup"], 'ro-', label='Dataset1')
axs[2].plot(df["A_data_Test2"], 'ks-', label='Dataset2')
axs[2].set_title("A_data_dup (重复参数)")

axs[3].plot(df["B_data_Test1"], 'ro-', label='Dataset1')
axs[3].plot(df["A_data_Test2"], 'ks-', label='Dataset2')
axs[3].set_title("混合参数")

# 手动收集唯一的句柄和标签
handles = {}
labels = {}
for ax in axs:
    for handle, label in zip(*ax.get_legend_handles_labels()):
        if label not in handles:  # 只保留每个标签的第一个句柄
            handles[label] = handle
            labels[label] = label

# 转换为列表，保持顺序
sorted_handles = [handles['Dataset1'], handles['Dataset2']]
sorted_labels = [labels['Dataset1'], labels['Dataset2']]

# 生成全局图例
fig.legend(handles=sorted_handles, labels=sorted_labels, loc='upper center', ncol=2, fontsize=12)

plt.tight_layout(rect=[0, 0, 1, 0.95])
plt.show()

这个方法的关键是绘制曲线时必须指定label参数，然后遍历所有子图，只收集每个标签的第一个句柄，这样就不会被重复标签覆盖样式了。

两种方案都能彻底解决你的问题，推荐方案1，因为更简单可控，不需要依赖子图的label设置。

内容的提问来源于stack exchange，提问作者KVa