### 如何使用 Python 制作复合图表 复合图表是指在一个图像窗口中组合多个子图或不同类型的数据表示形式。以下是实现这一目标的具体方法和示例代码。 #### 使用 Matplotlib 的 `subplot` 方法绘制复合图表 Matplotlib 提供了 `subplot` 函数，可以方便地在同一画布上创建多个子图。以下是一个简单例子： ```python import matplotlib.pyplot as plt import numpy as np # 创建数据 data1 = np.random.rand(10) data2 = np.random.rand(10) # 创建第一个子图 plt.subplot(2, 1, 1) # 表示2行1列的第一个位置 plt.plot(data1, 'o-', label='Data Set 1') plt.legend() plt.title('First Subplot') # 创建第二个子图 plt.subplot(2, 1, 2) # 表示2行1列的第二个位置 plt.bar(range(len(data2)), data2, color='orange', alpha=0.7, label='Data Set 2') plt.legend() plt.title('Second Subplot') # 调整布局并显示 plt.tight_layout() plt.show() ``` 此代码展示了如何利用 `subplot` 将折线图和柱状图放在同一画布的不同区域[^1]。 --- #### 结合 Seaborn 和 Matplotlib 绘制复杂视觉效果 Seaborn 是基于 Matplotlib 构建的一个高层次绘图库，它能够轻松生成具有吸引力的统计图形。下面的例子演示了如何将 Seaborn 的散点图与 Matplotlib 的直方图结合起来形成复合图表。 ```python import seaborn as sns import matplotlib.pyplot as plt import numpy as np sns.set(style="whitegrid") # 设置样式 # 加载内置数据集 data = sns.load_dataset("tips") # 创建一个新的画布 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(12, 6)) # 左侧：绘制箱线图 sns.boxplot(x="day", y="total_bill", data=data, ax=axes[0]) axes[0].set_title("Box Plot of Total Bill by Day") # 右侧：绘制直方图 sns.histplot(data["total_bill"], bins=30, kde=True, ax=axes[1], color="purple") axes[1].set_title("Histogram with KDE Estimate") # 展示最终结果 plt.tight_layout() plt.show() ``` 这段代码说明了如何通过调整参数 `nrows`, `ncols` 来控制子图的数量以及它们的排列方式[^4]。 --- #### 复杂场景下的嵌套图表设计 有时可能需要更复杂的布局结构，比如在某些区域内进一步划分新的子区。这可以通过 `GridSpec` 实现更加灵活的空间管理。 ```python from matplotlib.gridspec import GridSpec # 初始化网格规格对象 gs = GridSpec(2, 2, width_ratios=[1, 2], height_ratios=[2, 1]) # 定义主图框架 fig = plt.figure(figsize=(8, 8)) ax1 = fig.add_subplot(gs[0, :]) # 占据顶部两栏 ax2 = fig.add_subplot(gs[1, 0]) # 底部左侧一栏 ax3 = fig.add_subplot(gs[1, 1]) # 底部右侧一栏 # 填充内容到各部分 x = np.linspace(-np.pi, np.pi, 500) y = np.sin(x)**2 * np.exp(-abs(x)/3.) ax1.plot(x, y, lw=2, c="blue", label=r"$\sin^2(x)e^{-|x|/3}$") ax1.axhline(y.mean(), linestyle="--", color="red", linewidth=1, label="Mean Value") ax1.legend(loc="upper right") ax1.set_title("Main Function Visualization") ax2.hist(y, bins=20, orientation="horizontal", density=True, color="green", alpha=.6) ax2.set_title("Distribution Histogram (Vertical)") ax3.scatter(np.cos(x), y, s=10, c=x, cmap="viridis", edgecolor="") ax3.set_title("Scatter Plot w/ Color Gradient") # 自动优化间距 plt.tight_layout(rect=[0, 0, 1, .95]) plt.suptitle("Complex Layout Example Using GridSpec", fontsize=16) plt.show() ``` 这里运用到了 `GridSpec` 对象来自定义每个子图的比例分配，并实现了功能各异的小部件集成于单一视窗之中[^2]。 ---