You need to enable JavaScript to run this app. 如何用Python Matplotlib实现多案例分面子图并将系列标注替换为S1-S4
优惠活动
大模型
产品
解决方案
定价
更多

如何用Python Matplotlib实现多案例分面子图并将系列标注替换为S1-S4

Matplotlib分块多子图带误差棒折线实现方案

前置修正

  • 原代码存在误差计算引用错误:S3、S4的误差值误用S2的数值作为计算基准,需调整为对应自身系列的真实值,否则误差棒显示异常

实现逻辑

  • 采用2行2列的网格多子图布局,对应S1、S2、S3、S4四类实验系列,每个子图单独展示一个系列的折线与误差棒
  • 共享全局坐标轴刻度,保证不同系列的数值对比直观
  • 替换原预设的baseline、Intervention标注,所有标注统一使用S1-S4的系列名

可运行实现代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 基础数据集
df = pd.DataFrame({
    'Time': ['1','2','3','4','5'],
    'S1': [74.92, 75.32, 79.64, 100, 101],
    'S2': [18.2,80,82,84, 90],
    'S3': [22,60,82,54, 70],
    'S4': [31,60,72,74, 90]
})

# 各系列误差阈值与样式配置
series_config = {
    'S1': {
        'lower_bound': [73.3, 73.3, 75, 90, 108],
        'upper_bound': [76, 80, 83.3, 107, 107],
        'color': 'blue', 'marker': 's', 'linestyle': '--'
    },
    'S2': {
        'lower_bound': [10, 70, 68, 90, 80],
        'upper_bound': [40,80,90,90, 96],
        'color': 'red', 'marker': 'o', 'linestyle': '-'
    },
    'S3': {
        'lower_bound': [12, 52, 80, 50, 65],
        'upper_bound': [27,66,85,60, 76],
        'color': 'green', 'marker': 'o', 'linestyle': ':'
    },
    'S4': {
        'lower_bound': [25, 50, 70, 70, 85],
        'upper_bound': [33,66,77,80, 95],
        'color': 'black', 'marker': 'o', 'linestyle': '-.'
    }
}

# 计算各系列上下误差绝对值
err_dict = {}
for s_name, conf in series_config.items():
    lower_err = (np.array(conf['lower_bound']) - df[s_name]).__abs__().values
    upper_err = (np.array(conf['upper_bound']) - df[s_name]).__abs__().values
    err_dict[s_name] = [lower_err, upper_err]

# 创建2行2列多子图,共享坐标轴保证刻度统一
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 8), sharex=True, sharey=True, dpi=300)
axes = axes.flatten()

# 逐个子图绘制对应系列的带误差棒折线
for idx, s_name in enumerate(series_config.keys()):
    ax = axes[idx]
    conf = series_config[s_name]
    ax.errorbar(
        x=df['Time'], y=df[s_name], yerr=err_dict[s_name],
        capsize=5, marker=conf['marker'], color=conf['color'],
        markersize=4, linewidth=1, linestyle=conf['linestyle'],
        label=s_name
    )
    ax.set_title(s_name)
    ax.set_ylim(-1, 120)
    ax.legend()

# 全局设置坐标轴标签
fig.text(0.5, 0.04, 'Time', ha='center', fontsize=12)
fig.text(0.04, 0.5, 'Performance', va='center', rotation='vertical', fontsize=12)

# 调整布局避免元素重叠
plt.tight_layout()
plt.savefig('multi_series_subplot.png', bbox_inches='tight')
plt.show()

效果说明

  • 每个子图独立承载一个S系列的绘图内容,顶部标注对应系列名,无原预设的baseline、Intervention标注
  • 误差棒的capsize、marker、线条样式完全保留原有单轴绘图的配置
  • 全局共享x、y轴刻度,不同系列的数值对比无需反复对齐刻度

内容的提问来源于stack exchange,提问作者Vincent

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.15 12:54:03