嘿，我来帮你搞定批量绘制小多图的问题！35个特征一个个画确实太麻烦，直接用matplotlib的子图网格+遍历就能一次性搞定，给你完整方案和拆解：

完整代码示例 #

import matplotlib.pyplot as plt
import pandas as pd

# 1. 读入数据集到DataFrame
df = pd.read_csv("mydataset.csv")

# 2. 规划子图布局：35个特征刚好7行5列（也可以换成5行7列，看你偏好）
n_rows = 7
n_cols = 5

# 创建画布和子图网格，调整figsize让每个子图有足够空间
fig, axes = plt.subplots(n_rows, n_cols, figsize=(15, 20))

# 3. 遍历每个特征，在对应子图绘制
for idx, (feature_name, ax) in enumerate(zip(df.columns, axes.flatten())):
    # 在当前子图绘制特征折线图（如果要换直方图，把plot()改成plot(kind='hist')即可）
    df[feature_name].plot(ax=ax, title=f"Feature: {feature_name}")
    # 优化细节：去掉x轴标签避免拥挤，缩小刻度字体
    ax.set_xlabel("")
    ax.tick_params(axis='x', labelsize=8)

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

# 渲染显示图表，或者保存成图片
plt.show()
# plt.savefig("small_multiples.png", dpi=300)  # 按需取消注释保存

关键步骤拆解 #

• 读入数据：这一步你已经写对了，pd.read_csv()完美加载数据集到DataFrame。
• 布局规划：35个特征刚好能分成7×5的网格（刚好35个位置），plt.subplots()会一次性生成所有子图的坐标轴，figsize参数要根据布局调整，保证每个子图不会挤成一团。
• 遍历绘图：axes.flatten()把二维的子图数组转成一维列表，这样就能和df.columns一一对应遍历。每个子图通过ax参数指定绘图位置，加上标题方便区分不同特征。
• 布局优化：plt.tight_layout()是神器，会自动调整子图的间距，避免标题、刻度互相重叠；你还可以根据需求调整刻度字体大小、隐藏不必要的标签，让图表更清爽。
• 渲染保存：plt.show()直接显示图表，也可以用plt.savefig()导出高清图片。

可选优化建议 #

• 按需切换图表类型：如果特征是分类数据，把df[feature_name].plot()改成df[feature_name].plot(kind='bar')就能画柱状图；数值型数据也可以用直方图kind='hist'。
• 共享坐标轴：如果特征的数值范围相近，可以在plt.subplots()里加sharex=True或sharey=True，让子图共享坐标轴，减少重复标签，布局更整洁。
• 调整布局比例：如果觉得7行5列纵向太长，换成5行7列横向布局也是可以的，只要行数×列数≥35就行（多出来的子图可以用ax.remove()删掉）。

内容的提问来源于stack exchange，提问作者docdev