如何将自定义分类分布绘图函数生成的4幅图布局为2行2列子图

阿华AIGC实验室

2026-5-6

解决自定义绘图函数的子图布局问题

你的问题核心在于原函数每次调用都会独立创建新的Figure对象，而plt.subplot()只是在当前Figure上创建子图坐标轴，但函数内部的plot.bar()会自动生成新的Figure，导致你的子图布局代码根本无法控制这些图的位置。

要实现2行2列的子图排版，我们需要修改class_distribution函数，让它支持传入指定的绘图坐标轴，从而把每个图画到预先规划好的子图位置上。

修改后的函数代码

def class_distribution(colname, ax=None):
    # 如果没有传入坐标轴，默认使用当前坐标轴（保留原函数的兼容性）
    if ax is None:
        ax = plt.gca()
    
    df = tweets_best.groupby(["HandLabel", colname]).size().to_frame("size")
    df['percentage'] = df.groupby(level=0).transform(lambda x: (x / x.sum()).round(2))
    df_toPlot = df[["percentage"]]
    
    # 把图画到传入的目标坐标轴上
    df_toPlot.unstack().plot.bar(ax=ax)
    ax.legend(df_toPlot.index.get_level_values(level = 1))
    ax.set_title("{} predicted sentiment distribution".format(colname))
    ax.set_ylim((0,1))
    ax.yaxis.set_major_formatter(PercentFormatter(1))
    
    # 返回当前坐标轴所属的画布（可选，按需使用）
    return ax.get_figure()

调用示例（2行2列子图布局）

# 创建2行2列的子图布局，获取所有坐标轴对象，可自定义画布大小
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(12, 8))

# 分别将每个子图坐标轴传入函数，绘制对应图表
class_distribution("Naive_Bayes", ax=axes[0,0])
class_distribution("SVM", ax=axes[0,1])
class_distribution("Logistic_Regression", ax=axes[1,0])
class_distribution("Random_Forest", ax=axes[1,1])

# 自动调整子图间距，避免标题、标签重叠
plt.tight_layout()

# 按需保存整个画布
# fig.savefig("sentiment_distributions.png")