如何在Python循环中用Seaborn/Matplotlib生成数据集列的动态子图？

原代码存在的问题 #

• 未指定绘图的目标子图轴，导致所有图形叠加或单独弹出窗口，无法形成预期的4×3网格布局
• 缺少statsmodels库的导入，调用sm.qqplot会触发报错
• 未设置子图标题，无法区分不同特征对应的图形类型
• 代码结构固化，新增子图类型时需要大幅修改循环逻辑，扩展性差

修正后的代码 #

from sklearn.datasets import fetch_california_housing
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import statsmodels.api as sm  # 补充缺失的导入

# 加载数据集
california_housing = fetch_california_housing(as_frame=True)
features_of_interest = ["AveRooms", "AveBedrms", "AveOccup", "Population"]
df = california_housing.frame
target = california_housing.target

# 定义子图配置：每个配置包含绘图函数、标题模板，方便后续动态扩展
plot_configs = [
    {"func": sns.scatterplot, "title": "{} vs 房价散点图"},
    {"func": sns.histplot, "title": "{} vs 房价直方图"},
    {"func": lambda x, ax: sm.qqplot(x, line='45', ax=ax), "title": "{} QQ图"}
]

# 创建子图网格：行数=特征数，列数=子图类型数
n_features = len(features_of_interest)
n_plots = len(plot_configs)
fig, axes = plt.subplots(n_features, n_plots, figsize=(15, 12))

# 遍历特征和子图配置，批量绘制
for row_idx, feature in enumerate(features_of_interest):
    for col_idx, config in enumerate(plot_configs):
        ax = axes[row_idx, col_idx]
        # 根据配置绘图：散点/直方图需要x和y，QQ图只需要x
        if config["title"].startswith("QQ"):
            config["func"](df[feature], ax=ax)
        else:
            config["func"](x=df[feature], y=target, ax=ax)
        # 设置子图标题
        ax.set_title(config["title"].format(feature))

# 自动调整子图间距，避免元素重叠
plt.tight_layout()
plt.show()

关键优化点说明 #

• 动态扩展设计：通过plot_configs列表封装子图逻辑，新增子图类型时只需在列表中添加新的字典条目（比如添加箱线图），无需修改循环核心代码
• 轴指定逻辑：通过axes[row_idx, col_idx]精准指定每个子图的绘制位置，保证网格布局正确
• 兼容性处理：针对QQ图的参数特殊性做了分支处理，确保不同类型的绘图函数都能正常运行
• 可读性提升：为每个子图添加包含特征名和图类型的标题，同时通过figsize和tight_layout()优化可视化效果

内容的提问来源于stack exchange，提问作者Bad Coder