如何按指定行列布局展示气象数据集各列分布？

问题根源 #

你的代码存在三个核心问题：

1. 每次循环创建包含12行（所有变量总数）的子图网格，完全不符合"每行对应一个变量"的需求，导致大量空图。
2. 使用axes[i]仅对单个子图赋值，无法将多个度量的直方图分配到对应的列。
3. 排序逻辑x.split('_')[0]无效，因为你的列名是驼峰式（无下划线），需要按前缀（mean/min/max/mode）排序。

方案1：每行对应一个变量，每列对应一个度量 #

为每个变量生成独立的子图网格（1行，列数等于该变量的度量数量），确保每个度量对应单独的直方图：

import matplotlib.pyplot as plt

variable_columns = {
    'precip': ['meanPrecip', 'minPrecip', 'maxPrecip'],
    'pressureChange': ['meanPressurechange', 'minPressurechange', 'maxPressurechange'],
    'pressureMeanSeaLevel': ['meanPressuremeansealevel', 'minPressuremeansealevel', 'maxPressuremeansealevel'],
    'relativeHumidity': ['meanRelativehumidity', 'minRelativehumidity', 'maxRelativehumidity'],
    'snow': ['meanSnow', 'minSnow', 'maxSnow'],
    'temperature': ['meanTemperature', 'minTemperature', 'maxTemperature'],
    'temperatureDewPoint': ['meanTemperaturedewpoint', 'minTemperaturedewpoint', 'maxTemperaturedewpoint'],
    'temperatureFeelsLike': ['meanTemperaturefeelslike', 'minTemperaturefeelslike', 'maxTemperaturefeelslike'],
    'uvIndex': ['modeUvindex', 'maxUvindex', 'minUvindex'],
    'visibility': ['meanVisibility', 'minVisibility', 'maxVisibility'],
    'windDirection': ['meanWinddirection'],
    'windSpeed': ['meanWindspeed', 'minWindspeed', 'maxWindspeed']
}

# 按度量前缀排序的辅助函数
def sort_metric(col):
    if col.startswith('mean'):
        return 0
    elif col.startswith('min'):
        return 1
    elif col.startswith('max'):
        return 2
    elif col.startswith('mode'):
        return 3
    return 4

for var_type, columns in variable_columns.items():
    ordered_cols = sorted(columns, key=sort_metric)
    n_cols = len(ordered_cols)
    
    # 创建1行n_cols列的子图
    fig, axes = plt.subplots(nrows=1, ncols=n_cols, figsize=(5*n_cols, 4))
    axes = axes.flatten() if n_cols > 1 else [axes]
    
    data = METEO_COMPLETO[ordered_cols]
    
    # 为每个度量绘制单独的直方图
    for idx, col in enumerate(ordered_cols):
        data[col].hist(ax=axes[idx], bins=20, alpha=0.7, edgecolor='black', color='skyblue')
        axes[idx].set_title(col)
        axes[idx].set_xlabel('Valor')
        axes[idx].set_ylabel('Frecuencia')
    
    fig.suptitle(f'Distribución de {var_type}', y=1.02, fontsize=12)
    plt.tight_layout()
    plt.show()

方案2：同一变量的所有度量在同图对比 #

将同一变量的均值、最小值、最大值等分布绘制在同一张图中，用颜色区分，便于直观对比：

import matplotlib.pyplot as plt

variable_columns = {
    'precip': ['meanPrecip', 'minPrecip', 'maxPrecip'],
    'pressureChange': ['meanPressurechange', 'minPressurechange', 'maxPressurechange'],
    'pressureMeanSeaLevel': ['meanPressuremeansealevel', 'minPressuremeansealevel', 'maxPressuremeansealevel'],
    'relativeHumidity': ['meanRelativehumidity', 'minRelativehumidity', 'maxRelativehumidity'],
    'snow': ['meanSnow', 'minSnow', 'maxSnow'],
    'temperature': ['meanTemperature', 'minTemperature', 'maxTemperature'],
    'temperatureDewPoint': ['meanTemperaturedewpoint', 'minTemperaturedewpoint', 'maxTemperaturedewpoint'],
    'temperatureFeelsLike': ['meanTemperaturefeelslike', 'minTemperaturefeelslike', 'maxTemperaturefeelslike'],
    'uvIndex': ['modeUvindex', 'maxUvindex', 'minUvindex'],
    'visibility': ['meanVisibility', 'minVisibility', 'maxVisibility'],
    'windDirection': ['meanWinddirection'],
    'windSpeed': ['meanWindspeed', 'minWindspeed', 'maxWindspeed']
}

# 度量前缀与颜色映射
color_map = {
    'mean': '#1f77b4',
    'min': '#ff7f0e',
    'max': '#2ca02c',
    'mode': '#d62728'
}

# 复用之前定义的sort_metric函数
def sort_metric(col):
    if col.startswith('mean'):
        return 0
    elif col.startswith('min'):
        return 1
    elif col.startswith('max'):
        return 2
    elif col.startswith('mode'):
        return 3
    return 4

for var_type, columns in variable_columns.items():
    ordered_cols = sorted(columns, key=sort_metric)
    fig, ax = plt.subplots(figsize=(6, 4))
    
    for col in ordered_cols:
        # 获取当前列的度量前缀
        prefix = next(k for k in color_map if col.startswith(k))
        METEO_COMPLETO[col].hist(ax=ax, bins=20, alpha=0.6, edgecolor='black', 
                                 color=color_map[prefix], label=col)
    
    ax.set_title(f'Distribución de {var_type}')
    ax.set_xlabel('Valor')
    ax.set_ylabel('Frecuencia')
    ax.legend()
    plt.tight_layout()
    plt.show()

核心优化点 #

• 直接遍历variable_columns字典，无需额外维护variable_types列表，代码更简洁。
• 修正排序逻辑，适配驼峰式列名的前缀排序需求。
• 为每个变量创建匹配其度量数量的子图，避免空图浪费空间。
• 方案2通过颜色区分不同度量，强化同一变量下各统计值的分布对比。

内容的提问来源于stack exchange，提问作者Pablo Moreira Garcia