如何更简洁设置每行列数不同、行高各异的Matplotlib图表？

你当前的代码确实能实现行高不同、每行列数各异的子图需求，但手动计算列索引区间的写法确实有点繁琐。其实Matplotlib提供了更直观、简洁的方式来完成这类布局，下面给你介绍两种更清爽的方案：

方案一：使用subplot_mosaic（推荐，最直观） #

Matplotlib 3.3及以上版本支持的subplot_mosaic可以用类似"文本绘图"的方式定义布局，同时直接指定行高比，代码可读性拉满：

import seaborn as sns; sns.set(color_codes=True)
import numpy as np
import matplotlib.pyplot as plt

# 准备数据
x = range(40)
y = np.random.rand(len(x))

# 用字符串可视化定义布局：每行的子图数量一目了然
layout = [
    ["top"],                # 第一行1个子图
    ["mid_left", "mid_right"], # 第二行2个子图
    ["lower_mid_left", "lower_mid_right"], # 第三行2个子图
    ["bottom_left", "bottom_mid", "bottom_right"] # 第四行3个子图
]

# 创建画布和子图，直接指定行高比
fig, axs = plt.subplot_mosaic(
    layout,
    height_ratios=[1.5, 1, 1.5, 1.25],
    figsize=(10, 8) # 可选：调整画布整体大小
)

# 遍历所有子图绘图
for ax in axs.values():
    ax.plot(x, y)

plt.tight_layout()
plt.show()

这个方案的优势：

• 布局定义完全可视化，一眼就能看懂每行的子图数量和分布
• 不需要手动计算列索引区间，Matplotlib自动处理子图的合并与排列
• 代码量比原写法减少近一半，逻辑清晰易懂

方案二：简化版gridspec写法 #

如果你的Matplotlib版本较低，也可以用更紧凑的gridspec用法，避免手动设置大量"伪列"和索引区间：

import seaborn as sns; sns.set(color_codes=True)
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import gridspec

x = range(40)
y = np.random.rand(len(x))

height_ratios = [1.5, 1, 1.5, 1.25]
# 定义每行的列数（列宽默认均等，也可自定义比例）
row_col_counts = [1, 2, 2, 3]

fig = plt.figure(figsize=(10, 8))
# 基于最大列数创建总网格
max_cols = max(row_col_counts)
gs = gridspec.GridSpec(len(row_col_counts), max_cols, height_ratios=height_ratios)

axes = []
for row_idx, col_count in enumerate(row_col_counts):
    # 计算当前行每个子图的列范围
    col_width = max_cols // col_count
    for col_idx in range(col_count):
        start_col = col_idx * col_width
        end_col = start_col + col_width
        axes.append(plt.subplot(gs[row_idx, start_col:end_col]))

# 批量绘图
for ax in axes:
    ax.plot(x, y)

plt.tight_layout()
plt.show()

这个写法去掉了原代码中ncols=1000这类冗余设置，用实际需要的列数来计算布局，逻辑更紧凑。

最终效果 #

两种方案都能实现你想要的布局效果：

总的来说，subplot_mosaic是最推荐的方案，完全不需要手动处理索引细节，非常适合这类不规则的子图布局需求。

内容的提问来源于stack exchange，提问作者tsherwen