在同一窗口绘制多幅等高线图：如何遍历subplots子图？

你调用plt.subplots(4, 2, constrained_layout=True)会返回两个对象：画布对象fig、形状为(4,2)的子图数组axs，有两种常用的遍历方式：

1. 压平数组遍历（推荐，无需区分行列） #

直接将二维子图数组转为一维后和你的数据集配对遍历，适合不需要根据行列位置做特殊配置的场景：

import matplotlib.pyplot as plt
import numpy as np

# 你的初始化代码
fig, axs = plt.subplots(4, 2, constrained_layout=True)
# 替换为你自己的8份等高线源数据
datasets = [np.random.randn(50, 50) for _ in range(8)]

# 遍历配对的子图和数据
for ax, data in zip(axs.flatten(), datasets):
    # 绘制等高线，可替换为contourf绘制填充等高线
    contour = ax.contour(data)
    # 可选：添加等高线数值标签
    ax.clabel(contour, inline=True, fontsize=8)
    # 可选：添加子图标题
    ax.set_title(f"Contour Plot {datasets.index(data)+1}")

# 可选：如果数据量少于子图数量，隐藏多余子图
# for ax in axs.flatten()[len(datasets):]:
#     ax.set_visible(False)

plt.show()

2. 嵌套循环遍历 #

适合需要根据行、列索引做不同配置的场景：

fig, axs = plt.subplots(4, 2, constrained_layout=True)
# 假设你的数据存在二维列表datasets[row][col]中
for row in range(4):
    for col in range(2):
        current_ax = axs[row][col]
        # 替换为对应位置的实际数据
        current_data = np.random.randn(50, 50)
        current_ax.contourf(current_data, cmap="viridis")
        current_ax.set_title(f"Row {row+1}, Col {col+1}")
plt.show()

• 动态逐个创建子图：不需要提前批量生成所有子图，适合子图数量不固定的场景，用add_subplot实现：

fig = plt.figure(constrained_layout=True)
total_plot = 8
for idx in range(total_plot):
    ax = fig.add_subplot(4, 2, idx+1)
    ax.contour(np.random.randn(50,50))

• 结构化数据快速绘图：如果你的等高线数据是结构化的Pandas DataFrame格式，可以用Seaborn的FacetGrid接口，无需手动遍历子图，自动按类别分组绘制等高线。
• 统一色阶方案：如果所有子图需要共享同一个颜色刻度，绘制时统一指定vmin和vmax参数，最后在画布边缘添加全局colorbar即可，无需每个子图单独配置色条。

内容的提问来源于stack exchange，提问作者Dan