Matplotlib如何实现带内嵌直方图的散点图并排绘制

核心改造不需要重写原有业务逻辑，只要把所有依赖pyplot全局状态的调用替换为显式Axes对象调用即可，完全兼容原有单图使用习惯。

1. 函数入口改造 #

给原有scatter_plot新增可选ax入参，兼容新旧调用逻辑：

def scatter_plot(x, y, ax=None, **plot_kwargs):
    # 未传入子图对象时沿用原有全局轴逻辑，不影响之前的单图调用
    if ax is None:
        ax = plt.gca()
    # 后续所有绘图操作全部基于ax对象实现，不再直接调用plt的全局绘图接口

2. 全局接口替换规则 #

把函数内所有pyplot全局调用逐行替换为Axes对象方法，对应关系如下：

• 散点绘制：plt.scatter(...) → ax.scatter(...)
• 回归线、参考线绘制：plt.plot(...) → ax.plot(...)
• RMSE、R²指标标注：plt.text(...) → ax.text(...)
• 百分位区域框选：plt.gca().add_patch(rect) → ax.add_patch(rect)
• 轴属性设置：plt.xlim()/plt.ylim()/plt.xlabel()/plt.ylabel()/plt.title() → 替换为ax.set_xlim()/ax.set_ylim()/ax.set_xlabel()/ax.set_ylabel()/ax.set_title()

3. 内嵌直方图适配（核心排错点） #

之前子图内嵌图错位的核心原因是旧代码用plt.axes()创建内嵌轴时使用全局画布坐标，替换为相对父轴的内嵌轴创建方法即可：

弃用plt.axes([left, bottom, width, height])的全局坐标写法，改用ax.inset_axes()，传入的位置参数是相对于当前传入ax的归一化坐标，无论ax在子图网格的哪个位置，内嵌图都会自动定位到对应子图内部。

示例替换代码：

# 旧写法（全局坐标，子图场景下位置错乱）
# inset_ax = plt.axes([0.65, 0.15, 0.2, 0.2])
# inset_ax.hist(val, bins=10)

# 新写法（相对当前子图坐标，自动适配）
# 位置参数：[距ax左边界比例, 距ax下边界比例, 内嵌图宽度占比, 内嵌图高度占比]
inset_ax = ax.inset_axes([0.65, 0.15, 0.2, 0.2])
inset_ax.hist(val, bins=10)
# 内嵌轴的样式调整直接操作inset_ax即可，比如隐藏刻度
inset_ax.tick_params(axis='both', which='both', length=0)
inset_ax.set_xticklabels([])
inset_ax.set_yticklabels([])

4. 并排子图调用方式 #

改造完成后，直接创建1行2列的子图网格，将对应Axes对象传入函数即可：

fig, (ax_left, ax_right) = plt.subplots(1, 2, figsize=(12, 5), dpi=120)
# 左子图绘制
scatter_plot(x_data1, y_data1, ax=ax_left, 其余原有业务参数按之前的写法传入即可)
# 右子图绘制
scatter_plot(x_data2, y_data2, ax=ax_right, 其余原有业务参数按之前的写法传入即可)
# 自动调整子图间距避免标签重叠
plt.tight_layout()
plt.show()

注意事项 #

• 改造过程中不要混用plt全局绘图接口和Axes对象方法，否则仍会出现图元错画到其他子图、画布被覆盖的问题
• 改造后原有单图调用scatter_plot(x, y)不需要做任何修改，逻辑完全向后兼容
• 如果选区内嵌直方图有额外的区间标记、统计值标注，全部基于inset_ax对象操作即可

内容的提问来源于stack exchange，提问作者Siddharth Singh Baghel