循环生成堆叠网格图出现空图问题求助及优化方案咨询

问题根源 #

你的代码会生成空图的原因有两个：

• 循环中每次调用plt.subplots()都会创建独立的新画布，这些画布会被提前显示出来
• 最后用plt.gca()补全最后一行空轴时，又额外生成了一个画布

修复后的代码 #

我们不需要提前创建单独的子图，而是先收集所有符合条件的绘图数据，再统一创建网格布局的子图进行绘制：

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
x = np.random.uniform(low=-1, high=1, size=10)
y = np.random.uniform(low=-1, high=1, size=10)

# 收集所有符合条件的绘图数据，而非提前创建子图
plot_data = []
z = np.linspace(-1, 1, 100)
for xi, yi in zip(x, y):
    if xi > 0 and yi < 0:
        z_func = xi * yi * z**2
        plot_data.append((z, z_func))

# 计算网格布局的行列数（固定2列）
n_plots = len(plot_data)
n_cols = 2
n_rows = (n_plots + n_cols - 1) // n_cols  # 向上取整计算行数

# 创建统一的网格画布
fig, axes = plt.subplots(n_rows, n_cols, figsize=(12, 4 * n_rows))
# 将轴对象展平为一维数组，方便遍历
axes = axes.flatten()

# 遍历数据与轴完成绘制
for ax, (z_data, z_func_data) in zip(axes[:n_plots], plot_data):
    ax.plot(z_data, z_func_data)

# 隐藏多余的空轴（若最后一行不满2个）
for ax in axes[n_plots:]:
    ax.axis('off')

plt.tight_layout()
plt.show()

更高效的实现方法 #

利用numpy的向量化操作筛选符合条件的数据，避免冗余的显式循环，代码更简洁高效：

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
x = np.random.uniform(low=-1, high=1, size=10)
y = np.random.uniform(low=-1, high=1, size=10)

# 用numpy布尔索引筛选符合条件的x和y
mask = (x > 0) & (y < 0)
valid_x = x[mask]
valid_y = y[mask]

n_plots = len(valid_x)
if n_plots == 0:
    print("没有符合条件的数据")
    plt.close()
    exit()

n_cols = 2
n_rows = (n_plots + n_cols - 1) // n_cols

fig, axes = plt.subplots(n_rows, n_cols, figsize=(12, 4 * n_rows))
axes = axes.flatten()

z = np.linspace(-1, 1, 100)
# 遍历有效数据完成绘制，可添加标题增强可读性
for i, (xi, yi, ax) in enumerate(zip(valid_x, valid_y, axes[:n_plots])):
    z_func = xi * yi * z**2
    ax.plot(z, z_func)
    ax.set_title(f"Plot {i+1}: x={xi:.2f}, y={yi:.2f}")

# 隐藏多余空轴
for ax in axes[n_plots:]:
    ax.axis('off')

plt.tight_layout()
plt.show()

这种方法的优势：

• 彻底避免了循环中创建多余画布的问题
• numpy索引筛选数据比Python原生循环效率更高，数据量越大优势越明显
• 统一管理画布与子图，逻辑清晰，便于后续维护和扩展

内容的提问来源于stack exchange，提问作者Weierstraß Ramirez