如何创建数量可变的Matplotlib子图？ML可视化代码优化

核心思路 #

把重复的子图配置逻辑封装成循环，通过模型配置列表统一管理所有模型的参数，新增模型时只需在列表中添加条目，无需修改大量重复代码。

优化后代码 #

import matplotlib.pyplot as plt

# 1. 定义模型配置：(数据列名, 子图标签)
model_configs = [
    ("actual", "X"),
    ("rfr", "X_rfr"),
    ("gbr", "X_gbr"),
    ("knr", "X_knr"),
    ("lir", "X_lir"),
    ("rlr", "X_rlr"),
    ("llr", "X_llr"),
    ("enr", "X_enr"),
    ("svr", "X_svr"),
    ("krr", "X_krr"),
    ("brr", "X_brr"),
    ("par", "X_par"),
    ("gpr", "X_gpr"),
    ("sgd", "X_sgd"),
    ("mlp", "X_mlp")
]

# 2. 动态创建子图：根据配置数量生成对应列数的子图
n_models = len(model_configs)
fig, axes = plt.subplots(nrows=1, ncols=n_models, sharex=True, sharey=True, figsize=(15,15))

# 3. 循环配置每个子图
for idx, (col_name, xlabel) in enumerate(model_configs):
    ax = axes[idx]
    
    # 添加顶部边框（隐藏额外x轴）
    axt = ax.twiny()
    axt.xaxis.set_visible(False)
    
    # 基础样式配置
    ax.grid(which='major', color='lightgrey', linestyle='-')
    ax.set_xlim(-3, 3)
    ax.set_xlabel(xlabel)
    ax.spines["top"].set_position(("axes", 1.02))
    ax.invert_yaxis()
    
    # 绘图：第一个子图用绿色标记
    if idx == 0:
        ax.plot(col_name, 'D', data=preds, color='green')
    else:
        ax.plot(col_name, 'D', data=preds)
        # 隐藏非第一个子图的y轴标签
        plt.setp(ax.get_yticklabels(), visible=False)
    
    # 设置x轴刻度和标签在顶部
    ax.xaxis.set_ticks_position("top")
    ax.xaxis.set_label_position("top")

plt.tight_layout()
plt.show()

关键优势 #

• 扩展性强：新增模型时，只需在model_configs列表中添加(列名, 标签)元组即可
• 代码简洁：消除大量重复的子图配置代码，维护成本大幅降低
• 一致性高：所有子图样式统一，避免手动配置导致的差异

内容的提问来源于stack exchange，提问作者Mahmoud Shihab