Matplotlib循环生成子图绘制各年月均温的报错修复与可视化问题

报错原因 #

现有代码的报错来源于for i in enumerate(df.year.unique())写法，enumerate返回的是(索引, 年份值)的元组，直接将元组与整数做除法运算会触发类型错误。原有子图布局逻辑仅支持年份数为4的倍数的场景，三层循环逻辑冗余，不符合需求。

核心适配逻辑 #

• 子图布局：固定2列，通过向上取整计算行数，自动适配奇数、偶数年份场景
• 配色规则：以当年平均温度为阈值，低于阈值的月份温度用蓝色展示，高于阈值的用红色展示
• 图例配置：全局统一添加高低温对应配色的图例

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
import math
from matplotlib.patches import Patch

# 此处为模拟数据，可替换为你的真实业务数据
d = {'year': [2001, 2001, 2001, 2001, 
              2002, 2002, 2002, 2002,
              2003, 2003, 2003, 2003], # 额外增加2003年测试奇数年适配效果
     'month': [1, 2,3,4,
              1,2,3,4,
              1,2,3,4],
     'temperature': [10,20,15,20,
                     20,10,5,10,
                     12,18,22,16]}
df = pd.DataFrame(data=d)

years = df['year'].unique()
year_cnt = len(years)
# 固定2列，自动计算行数适配不同年份数量
cols = 2
rows = math.ceil(year_cnt / cols)

fig, axs = plt.subplots(rows, cols, figsize=(10, 4*rows), tight_layout=True)
# 把轴数组转成一维，适配各种行列数场景的索引调用
axs = axs.flatten()

for idx, year in enumerate(years):
    ax = axs[idx]
    # 提取当年各月平均温度
    year_data = df[df['year'] == year].groupby('month')['temperature'].mean().reset_index()
    months = year_data['month']
    temps = year_data['temperature']
    # 计算当年平均温度作为高低温分界
    year_avg = temps.mean()
    # 生成对应配色
    colors = ['#1f77b4' if t < year_avg else '#ff4b33' for t in temps]
    # 绘制柱状图
    ax.bar(months, temps, color=colors)
    # 子图基础配置
    ax.set_title(f'{year}年各月平均温度')
    ax.set_xlabel('月份')
    ax.set_ylabel('温度(℃)')

# 隐藏奇数年场景下多余的空轴
for idx in range(year_cnt, len(axs)):
    axs[idx].axis('off')

# 全局添加图例
legend_elements = [Patch(facecolor='#1f77b4', label='低温（低于当年平均）'),
                   Patch(facecolor='#ff4b33', label='高温（高于当年平均）')]
fig.legend(handles=legend_elements, loc='upper right')

plt.show()

内容的提问来源于stack exchange，提问作者Test