多时间序列图的垂直对齐实现方法

嗨，这个需求在时序数据可视化里太常见了！核心思路就是让所有子图共享同一个x轴，这样不管哪个子图，同一时间t对应的水平坐标都会完全对齐，而且每个物理量都能在独立的矮个子图里展示。我用Python的Matplotlib给你演示最直接的实现方法：

基础实现步骤 #

1. 准备数据（模拟示例） #

先生成一组共享时间轴的不同物理量数据，方便演示：

import matplotlib.pyplot as plt
import numpy as np

# 共享的时间序列：0到10秒，100个采样点
time = np.linspace(0, 10, 100)

# 模拟三个物理量数据
temperature = np.sin(time) + 20  # 温度（20±1℃）
humidity = 60 + 10 * np.cos(time)  # 湿度（50-70%）
wind_speed = 2 + np.random.randn(100)*0.5  # 风速（带随机噪声）

2. 创建共享x轴的垂直子图 #

关键就是在subplots里设置sharex=True，让所有子图共用同一个x轴刻度和范围：

# 创建3个垂直排列的子图，共享x轴，设置画布大小
fig, axes = plt.subplots(nrows=3, ncols=1, figsize=(10, 8), sharex=True)

# 给每个子图绘制对应物理量
axes[0].plot(time, temperature, color='#ff5733')
axes[0].set_ylabel('温度 (℃)')
axes[0].grid(alpha=0.3)  # 加浅网格提升可读性

axes[1].plot(time, humidity, color='#337dff')
axes[1].set_ylabel('湿度 (%)')
axes[1].grid(alpha=0.3)

axes[2].plot(time, wind_speed, color='#33ff57')
axes[2].set_ylabel('风速 (m/s)')
axes[2].set_xlabel('时间 (s)')  # 只在最下方子图显示x轴标签
axes[2].grid(alpha=0.3)

# 自动调整子图间距，避免标签重叠
plt.tight_layout()

plt.show()

关键细节说明 #

• sharex=True：这是实现对齐的核心！它会让所有子图的x轴范围、刻度完全同步，同一时间点的水平坐标自然完全重合。而且默认会隐藏上方子图的x刻度，让布局更简洁。
• 如果你的时间是日期时间类型（比如datetime或pandas的Timestamp），完全不用改逻辑——Matplotlib会自动识别并适配x轴格式，对齐效果一样。
• 要是想自定义子图高度比例（比如某个物理量需要更突出），可以用GridSpec来精细控制：

from matplotlib.gridspec import GridSpec

fig = plt.figure(figsize=(10, 8))
# 设置3行1列的网格，第三个子图高度是前两个的1.5倍
gs = GridSpec(3, 1, figure=fig, height_ratios=[1, 1, 1.5])

ax_temp = fig.add_subplot(gs[0])
ax_temp.plot(time, temperature, color='#ff5733')
ax_temp.set_ylabel('温度 (℃)')
ax_temp.grid(alpha=0.3)
ax_temp.set_xticklabels([])  # 手动隐藏上层子图x刻度

ax_humid = fig.add_subplot(gs[1], sharex=ax_temp)
ax_humid.plot(time, humidity, color='#337dff')
ax_humid.set_ylabel('湿度 (%)')
ax_humid.grid(alpha=0.3)
ax_humid.set_xticklabels([])

ax_wind = fig.add_subplot(gs[2], sharex=ax_temp)
ax_wind.plot(time, wind_speed, color='#33ff57')
ax_wind.set_ylabel('风速 (m/s)')
ax_wind.set_xlabel('时间 (s)')
ax_wind.grid(alpha=0.3)

plt.tight_layout()
plt.show()

这样出来的图就完全符合你的需求了：每个物理量独立展示，同一时间点的水平位置严格对齐，视觉上清晰直观。如果用Seaborn等高层库，也可以用类似的共享轴思路，但Matplotlib的基础方法更灵活可控。

内容的提问来源于stack exchange，提问作者Ben Kovitz