如何用循环实现6×4子图批量绘制421个图并每24个生成新图像？

我完全懂你的困扰——你本来想把421个图形按6行4列的子图布局，每24个打包成一张独立的图片，但之前的代码只是逐个画出单独的折线图，结果全堆成了纵向排列的单图，完全没实现预期的分组布局。

先分析你原有代码的问题 #

你的循环里每次直接调用plt.plot()和plt.show()，这会让Matplotlib为每个图形单独创建一个画布，自然就变成了逐个纵向排列的独立窗口，完全没用到子图布局的逻辑。

解决方案代码实现 #

下面是调整后的代码，核心思路是按24个图形为一组，每组创建一个6×4的子图画布，绘制完一组后保存/展示，再处理下一组：

import matplotlib.pyplot as plt
import numpy as np

# 总图形数量
total_plots = 421
# 每组子图数量：6行×4列=24个
plots_per_figure = 6 * 4
# 计算需要多少张图（向上取整）
total_figures = (total_plots + plots_per_figure - 1) // plots_per_figure

# 循环处理每一组图形
for fig_idx in range(total_figures):
    # 计算当前组的起始和结束索引
    start_idx = fig_idx * plots_per_figure
    end_idx = min(start_idx + plots_per_figure, total_plots)
    
    # 创建6×4的子图布局，设置合适的画布大小
    fig, axes = plt.subplots(nrows=6, ncols=4, figsize=(16, 12))
    # 将axes转换为一维数组，方便循环遍历
    axes = axes.flatten()
    
    # 遍历当前组的每个图形
    for plot_idx in range(end_idx - start_idx):
        current_data_idx = start_idx + plot_idx
        a = df.iloc[current_data_idx:current_data_idx+1]
        # 提取数据并拼接
        x = np.concatenate([
            a['t11_arms_number_a31_1_weighted_fraction'],
            a['t11_arms_number_a32_2_weighted_fraction'],
            a['t11_arms_number_a33_3_weighted_fraction'],
            a['t11_arms_number_a34_4_weighted_fraction'],
            a['t11_arms_number_a36_more_than_4_weighted_fraction'],
            a['t11_arms_number_a37_cant_tell_weighted_fraction']
        ])
        y = np.linspace(1, 6, 6)
        
        # 在对应的子图上绘制折线
        ax = axes[plot_idx]
        ax.plot(y, x)
        # 可以给每个子图加标题，方便识别
        ax.set_title(f'Plot {current_data_idx + 1}')
        # 调整坐标轴标签（按需添加）
        ax.set_xlabel('Y Axis')
        ax.set_ylabel('X Value')
    
    # 处理最后一组不足24个的情况：隐藏多余的空坐标轴
    for empty_ax in axes[end_idx - start_idx:]:
        empty_ax.axis('off')
    
    # 调整子图间距，避免重叠
    plt.tight_layout()
    # 保存当前组的图片（可选，替换成你想要的路径和格式）
    plt.savefig(f'grouped_plots_{fig_idx + 1}.png', dpi=100)
    # 展示当前组的图片
    plt.show()
    # 关闭当前画布，释放内存
    plt.close(fig)

关键细节说明 #

• 分组逻辑：用整数除法向上取整计算总画布数，确保所有421个图形都能被覆盖。
• 子图布局：plt.subplots(6,4)直接创建6行4列的子图网格，flatten()把二维的axes数组转成一维，方便按顺序遍历。
• 空坐标轴处理：最后一组不足24个时，把多余的子图坐标轴隐藏，让画面更整洁。
• 内存管理：每次绘制完一组后调用plt.close(fig)，避免Matplotlib占用过多内存。

内容的提问来源于stack exchange，提问作者Yash Lapasia