使用matplotlib子图函数绘制堆叠条形图出现异常结果的排查

要定位问题，你需要补充以下关键信息：

• plotsApilate函数的完整代码
• 调用函数时传入DataFrame和子图对象的代码
• 实际输出与预期效果的具体差异描述

下面是这类场景中最常见的错误及修复方案：

1. 函数未接收并使用子图对象 #

如果你的plotsApilate函数没有设计ax参数，每次调用都会新建独立画布，导致子图无法在同一布局中展示。正确的函数写法应该支持传入子图对象：

def plotsApilate(df, ax=None):
    # 若未传入子图，则新建；否则使用传入的子图
    if ax is None:
        fig, ax = plt.subplots()
    # 所有绘图操作绑定到ax对象
    df.plot(kind='barh', stacked=True, ax=ax)
    # 可添加标题、标签等自定义操作
    ax.set_title('堆叠水平条形图')
    return ax

调用时需先创建子图布局，再分别传入对应子图：

import matplotlib.pyplot as plt

# 创建1行2列的子图布局
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))
# 分别传入两个DataFrame和对应的子图
plotsApilate(df1, ax=ax1)
plotsApilate(df2, ax=ax2)
# 自动调整子图间距
plt.tight_layout()
plt.show()

2. 绘图操作未绑定到指定子图 #

如果函数内部直接使用plt.barh()或df.plot()未指定ax参数，会默认使用当前活跃的子图，导致两个图表重叠在同一个子图中，或覆盖已绘制的子图。必须确保所有绘图代码都明确指向传入的ax对象。

3. DataFrame结构不兼容 #

两个DataFrame的索引、列结构不一致（比如一个是单层索引一个是多层索引，或列名/数据类型不匹配），会导致其中一个子图绘制失败或显示异常。可以通过df1.info()和df2.info()检查两者结构是否匹配。

4. 子图布局参数错误 #

创建子图时若写错行数/列数（比如想画1行2列却写成plt.subplots(2,1)），会导致子图排列不符合预期；未调用plt.tight_layout()可能造成标签重叠，看起来像是子图未正常绘制。

内容的提问来源于stack exchange，提问作者danny