Python可视化干货:用Matplotlib多子图打造企业级KPI趋势看板

方法

适用场景

优点

缺点

plt.subplots()

规则网格布局（2×2、3×2等规整看板）

代码简洁、返回画布+子图对象，支持索引调用，上手极快

无法实现子图大小不一的复杂布局

plt.subplot()+subplot2grid()

简单网格、需要逐个单独调整子图

可灵活控制单个子图位置

代码冗余，批量绘图效率低

GridSpec

不规则网格（通栏标题、大小混搭子图）

布局自由度拉满，适配所有复杂看板

语法稍复杂，新手有学习成本

python                  fig, axes = plt.subplots(nrows=2, ncols=2,                   sharex=False,# 是否共享X轴                  sharey=False,# 是否共享Y轴                  figsize=(12, 8), # 画布宽高（英寸）                  dpi=100,# 画布分辨率                  constrained_layout=True)# 自动解决标签重叠问题

python                  ax.set_title('销售额趋势', fontsize=12, fontweight='bold', loc='center', pad=10)

python                  ax.set_xlabel('日期', fontsize=10, labelpad=5)                  ax.set_ylabel('万元', fontsize=10)

python                  import matplotlib.dates as mdates                  ax.xaxis.set_major_formatter(mdates.DateFormatter('%m-%d'))# 月-日格式展示                  ax.xaxis.set_major_locator(mdates.DayLocator(interval=5))# 每5天一个刻度                  fig.autofmt_xdate(rotation=45)# 旋转日期标签，防止重叠

python                  ax.grid(True, linestyle='--', linewidth=0.5, alpha=0.7, color='gray')

python                  ax.plot(dates, sales, label='实际销售额')                  ax.plot(dates, forecast, label='预测值')                  ax.legend(loc='best', fontsize=9)

python                  max_idx = np.argmax(sales)                  ax.annotate(f'峰值: {sales[max_idx]:.0f}',                   xy=(dates[max_idx], sales[max_idx]),                  xytext=(10, 20), textcoords='offset points',                  arrowprops=dict(arrowstyle='->', color='red'))

python                  # 全局大标题                  fig.suptitle('2024年Q1 核心KPI趋势看板', fontsize=16, fontweight='bold', y=1.02)                  # 布局自适应                  fig.tight_layout(pad=2.0)                  fig.subplots_adjust(top=0.9)                  # 保存高清无截断图片                  fig.savefig('kpi_dashboard.png', dpi=300, bbox_inches='tight')

python                  ax1 = axes[0]# 左侧主Y轴                  ax2 = ax1.twinx()# 右侧副Y轴                  # 分别绘制两个不同量纲指标                  ax1.plot(dates, sales, color='blue', label='销售额')                  ax2.plot(dates, conversion, color='red', label='转化率')                  # 分别设置轴标签颜色，区分维度                  ax1.set_ylabel('销售额 (万元)', color='blue')                  ax2.set_ylabel('转化率 (%)', color='red')

python                  import matplotlib.pyplot as plt                  import numpy as np                  import pandas as pd                  import matplotlib.dates as mdates                  # 解决Matplotlib中文显示问题                  plt.rcParams['font.sans-serif'] = ['SimHei']                  plt.rcParams['axes.unicode_minus'] = False                  # 1. 生成模拟时序数据                  np.random.seed(42)                  dates = pd.date_range('2024-01-01', periods=30, freq='D')                  sales = np.random.normal(100, 15, 30).cumsum()# 累计销售额                  users = np.random.randint(50, 200, 30).cumsum()# 累计用户                  conversion = np.random.uniform(0.2, 0.4, 30)# 转化率                  satisfaction = np.random.uniform(3.5, 4.8, 30)# 客户满意度                  # 2. 创建2×2多子图画布                  fig, axes = plt.subplots(2, 2, figsize=(14, 8), constrained_layout=True)                  ax = axes.flatten()                  # 3. 子图1：累计销售额（带峰值标注）                  ax[0].plot(dates, sales, 'o-', color='#2E86AB', linewidth=2, markersize=4)                  ax[0].set_title('📈 累计销售额', fontsize=12, fontweight='bold')                  ax[0].set_ylabel('万元')                  ax[0].grid(True, linestyle=':', alpha=0.5)                  # 标注销售峰值                  max_sales = sales.max()                  max_idx = sales.idxmax()                  ax[0].annotate(f'Max: {max_sales:.0f}', xy=(dates[max_idx], max_sales),                  xytext=(5, 15), textcoords='offset points',                  arrowprops=dict(arrowstyle='->', color='darkred'))                  # 4. 子图2：累计用户数（双Y轴：累计用户+日新增用户）                  ax[1].plot(dates, users, 's-', color='#A23B72', linewidth=2)                  ax[1].set_title('👥 累计用户数', fontsize=12)                  ax[1].set_ylabel('累计用户')                  ax[1].grid(True, linestyle=':', alpha=0.5)                  # 新增右侧Y轴展示日新增数据                  daily_new = np.random.randint(5, 30, 30)                  ax1_2 = ax[1].twinx()                  ax1_2.bar(dates, daily_new, alpha=0.3, color='gray', width=0.8, label='日新增')                  ax1_2.set_ylabel('日新增用户', color='gray')                  ax1_2.tick_params(axis='y', labelcolor='gray')                  # 5. 子图3：转化率（面积填充+均值参考线）                  ax[2].fill_between(dates, conversion, 0, color='#F18F01', alpha=0.3)                  ax[2].plot(dates, conversion, '-', color='#F18F01', linewidth=2)                  ax[2].set_title('🎯 转化率', fontsize=12)                  ax[2].set_ylabel('转化率')                  ax[2].set_ylim(0.15, 0.45)                  avg_conv = conversion.mean()                  ax[2].axhline(y=avg_conv, color='red', linestyle='--', label=f'均值={avg_conv:.2f}')                  ax[2].legend(loc='lower right')                  ax[2].grid(True, axis='y', linestyle=':')                  # 6. 子图4：客户满意度（基准参考线）                  ax[3].plot(dates, satisfaction, 'd-', color='#06A77D', linewidth=2)                  ax[3].set_title('⭐ 客户满意度', fontsize=12)                  ax[3].set_ylabel('分数 (1-5)')                  ax[3].set_ylim(3, 5)                  ax[3].axhline(y=4.0, color='gray', linestyle='--', linewidth=1, label='基准线4.0')                  ax[3].legend()                  ax[3].grid(True, linestyle=':', alpha=0.5)                  # 7. 全局统一格式化时间轴                  for a in ax:                  a.xaxis.set_major_formatter(mdates.DateFormatter('%m/%d'))                  a.xaxis.set_major_locator(mdates.DayLocator(interval=5))                  a.tick_params(axis='x', rotation=45)                  # 8. 全局标题与保存                  fig.suptitle('📊 2024年1月核心运营KPI趋势看板', fontsize=18, fontweight='bold', y=1.02)                  plt.savefig('kpi_dashboard_advanced.png', dpi=200, bbox_inches='tight')                  plt.show()

常见问题

核心原因

解决方案

子图标题、标签重叠截断

默认布局留白不足

创建画布时开启 constrained_layout=True，或使用 tight_layout()

中文显示方框乱码

默认字体不支持中文

设置中文字体+关闭负号乱码：plt.rcParams 全局配置

日期刻度密集重叠

刻度间隔过小、子图宽度不足

增大画布尺寸，调整 DayLocator 刻度间隔，旋转标签

多子图时间轴不对齐

各指标数据长度、日期索引不一致

统一使用相同的 pd.date_range 生成时间索引

保存图片标签被截断

保存参数未适配全画布

savefig 新增参数 bbox_inches='tight'

双Y轴图例混乱缺失

双轴图例默认独立展示

手动获取双轴图例，合并后统一展示

python                  import mplcursors                  # 遍历所有子图，开启悬停数值展示                  for a in ax:                  mplcursors.cursor(a, hover=True).connect("add", lambda sel: sel.annotation.set_text(f'{sel.target[1]:.2f}'))                  plt.show()