使用for循环实现子图绘制：matplotlib与stats.probplot结合问题

问题核心 #

你之前的代码错误在于没有正确给stats.probplot指定子图的坐标轴对象，plot=plt(axes[n])是无效写法，stats.probplot的plot参数需要直接传入matplotlib.axes.Axes实例。

完整可运行代码 #

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

# 1. 准备数据（修正原代码变量名错误）
labels = ['hc','svppa','nfvppa','lvppa']
df = {
    "id": list(range(1,21,1)), 
    "label": list(np.repeat(labels, 5)), 
    "col1": list(np.random.normal(100,10,size=20)), 
    "col2": list(np.random.normal(100,10,size=20)), 
    "col3": list(np.random.normal(100,10,size=20)), 
    "col4": list(np.random.normal(100,10,size=20)), 
    "col5": list(np.random.normal(100,10,size=20)), 
    "col6": list(np.random.normal(100,10,size=20)), 
    "col7": list(np.random.normal(100,10,size=20))
}
df = pd.DataFrame(df)

# 2. 提取需要分析的特征列
columns = list(df.columns[2:])
num_cols = len(columns)
num_labels = len(labels)

# 3. 创建子图网格：每行对应一个特征列，每列对应一个分组label
fig, axes = plt.subplots(nrows=num_cols, ncols=num_labels, figsize=(15, 3*num_cols), sharex=True, sharey=True)
plt.subplots_adjust(hspace=0.4, wspace=0.3)

# 4. 遍历绘制每个子图的概率图
for row_idx, col in enumerate(columns):
    for col_idx, label in enumerate(labels):
        # 获取当前子图的坐标轴对象
        ax = axes[row_idx, col_idx]
        # 绘制概率图并指定到当前坐标轴
        stats.probplot(df[df['label'] == label][col], dist='norm', plot=ax)
        # 设置子图标题
        ax.set_title(f"Probability plot {col} - {label}", fontsize=10)
        # 隐藏重复的坐标轴标签，优化布局整洁度
        if row_idx != num_cols - 1:
            ax.set_xlabel('')
        if col_idx != 0:
            ax.set_ylabel('')

plt.show()

关键细节说明 #

• 子图索引对应：axes[row_idx, col_idx]中，行索引对应特征列、列索引对应分组label，完美匹配“每行一个特征，每列一个分组”的展示布局。
• stats.probplot参数正确用法：直接传入子图的ax对象，就能将概率图绘制在指定子图中，而非默认的全局画布。
• 布局优化：通过hspace和wspace调整子图间距，根据特征列数动态设置画布高度，隐藏重复坐标轴标签减少视觉冗余。

最终效果 #

运行代码后会生成网格状子图：

• 每行对应col1-col7中的一个特征
• 每列对应hc/svppa/nfvppa/lvppa中的一个分组
• 每个子图为对应分组下该特征的正态概率图，完全满足展示需求

内容的提问来源于stack exchange，提问作者EduardoRod