上一篇刚给图表化完妆，新问题就来了：汇报时老板要同时看销售额趋势、各月对比、品类占比、单价关系——四张图，难道发四个文件、开四个窗口？今天学子图布局：把多张小图排进同一张画布，2×2 排排坐，一页纸讲完整个故事。只引入一个新概念：子图（subplot）——画布上的”格子间”，每个格子是一张独立的图。

一、真实场景：四张图 vs 一页仪表盘

月底数据汇报，老板要看四样东西：全年销售额趋势（折线图）、四个季度对比（柱状图）、品类占比（饼图）、销量和单价的关系（散点图）。

你的做法：画了四张 PNG，发进工作群四个文件。老板手机上点开一张、退出、再点开一张，看到第三张已经忘了第一张长什么样，最后问你：”能不能放一页里？”

同事的做法：一张 2×2 的”四格仪表盘”，左上折线、右上柱状、左下饼图、右下散点，四个小图共用清爽的风格，标题一句话点题。老板一眼扫完整页，指着右下角问了个关键问题，汇报直接进入正题。

你可能觉得”不就是把图拼一起吗，用修图软件拖一下也行”。拖是可以拖，但拖出来的图改不了数据、调不了字号、没法再来一次。让程序自己把四张图排进一张画布，数据一变重跑一次就更新——这才是自动化的意义。今天这一篇，就是把你前面学的四种图装配成一页。

二、新概念：子图 —— 画布上的”格子间”

到今天为止，你画图都是 plt.bar(...) 这样”直接往画布上画”。画布上只有一张图，画到哪算哪。子图（subplot）的思路换了个管理方式：先把画布划分成格子，再每个格子里画自己的图。

打个比方：以前是往一张白纸上画画，现在是先在纸上打好 2×2 的格子间，每个工位坐一张图，互不干扰。

代码长这样：

# subplot_basic.py — 子图的第一眼：先分格，再画画
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

# 第1步：把画布分成 2 行 2 列，得到画布 fig 和 4 个格子（坐标系）axs
fig, axs = plt.subplots(2, 2, figsize=(10, 7))

# axs 是一个 2×2 的"格子阵"：axs[0][0] 左上，axs[0][1] 右上，以此类推
axs[0][0].bar(["Q1", "Q2", "Q3", "Q4"], [120, 135, 150, 180])
axs[0][0].set_title("季度销售额（万元）")

axs[0][1].plot([1, 2, 3, 4, 5, 6], [20, 25, 23, 30, 28, 35], marker="o")
axs[0][1].set_title("月度增长趋势")

axs[1][0].pie([45, 30, 25], labels=["线上", "门店", "批发"], autopct="%1.0f%%")
axs[1][0].set_title("渠道占比")

axs[1][1].scatter([10, 20, 30, 40], [95, 80, 70, 62])
axs[1][1].set_title("价格与销量")
axs[1][1].set_xlabel("单价（元）")
axs[1][1].set_ylabel("销量（件）")

fig.suptitle("2026 全年销售四格仪表盘", fontsize=15)
plt.savefig("dashboard_2x2.png", dpi=150, bbox_inches="tight")
plt.show()

三个关键点，看懂这段代码就入门了：

1. fig, axs = plt.subplots(2, 2, figsize=(10, 7)) —— 一次要来两样东西：fig 是整张画布（管总标题、整体大小），axs 是 2×2 的格子阵（每格是一张独立小图）；
2. axs[0][0].bar(...)、axs[0][0].set_title(...) —— 画图、设标题都”对格子说话”：axs[0][0] 就是左上那个格子。注意是 set_title、set_xlabel 这种带 set_ 的方法，不再是 plt.title；
3. fig.suptitle(...) —— 管整页的大标题，和每格的小标题分开、互不打架。

这就是今天唯一的新概念。剩下的全是前面学过的东西——四种图各坐一个格子，仅此而已。

三、动手：把四格仪表盘越排越顺

第 1 步：先跑通”素排版”

上面的 subplot_basic.py 跑起来就是一张能用的四格图。但先别急着满意——直接跑会发现两个别扭：格子边缘有点挤，小图的标题和大标题贴得近。先解决”排得开”。

# subplot_neat.py — 排得开：让每个格子有自己的呼吸空间
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

months = ["1月", "2月", "3月", "4月", "5月", "6月"]
sales = [42, 38, 45, 50, 48, 52]
cost = [30, 28, 32, 35, 33, 36]

fig, axs = plt.subplots(2, 2, figsize=(11, 8), constrained_layout=True)

axs[0][0].plot(months, sales, marker="o", color="#4878A8", label="销售额")
axs[0][0].plot(months, cost, marker="s", color="#EE854A", label="成本")
axs[0][0].set_title("销售额 vs 成本")
axs[0][0].legend()

axs[0][1].bar(months, sales, color="#4878A8")
axs[0][1].set_title("各月销售额")

axs[1][0].bar(months, [s - c for s, c in zip(sales, cost)], color="#6AAC90")
axs[1][0].set_title("各月毛利")

axs[1][1].scatter(sales, cost, color="#B279A2", s=80)
axs[1][1].set_title("销售额与成本的关系")
axs[1][1].set_xlabel("销售额（万元）")
axs[1][1].set_ylabel("成本（万元）")

fig.suptitle("上半年经营看板", fontsize=15)
plt.savefig("dashboard_neat.png", dpi=150, bbox_inches="tight")
plt.show()

这一版的升级只有一处：plt.subplots(..., constrained_layout=True)。它让 matplotlib 自动把每格的标题、坐标轴标签排到互不遮挡。以前你用 bbox_inches="tight" 只管”保存时别切边”，constrained_layout=True 是”摆放时就别挤”，双保险。

第 2 步：格子不用一般大——大的放主图

四格平均分是最常见的排法，但汇报常常有主次：主图占大格，副图占小格。matplotlib 分格子靠 gridspec（格子规格），逻辑很直白：先声明格子怎么切，再指定哪张图占哪块。

# subplot_main.py — 主次分明：大格放主图，小格放佐证
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

months = ["1月", "2月", "3月", "4月", "5月", "6月",
          "7月", "8月", "9月", "10月", "11月", "12月"]
sales = [42, 38, 45, 50, 48, 52, 55, 53, 58, 62, 85, 90]

fig = plt.figure(figsize=(11, 7), constrained_layout=True)
gs = fig.add_gridspec(2, 2)          # 还是 2×2 的格子……

# 主图：横跨上面一整行（占 [0, :]，即第 0 行全部两列）
ax_main = fig.add_subplot(gs[0, :])
ax_main.plot(months, sales, marker="o", color="#4878A8")
ax_main.set_title("全年销售额趋势（万元）")

# 副图1：左下
ax1 = fig.add_subplot(gs[1, 0])
ax1.bar(["Q1", "Q2", "Q3", "Q4"], [125, 150, 166, 237], color="#EE854A")
ax1.set_title("季度对比")

# 副图2：右下
ax2 = fig.add_subplot(gs[1, 1])
ax2.pie([125, 150, 166, 237], labels=["Q1", "Q2", "Q3", "Q4"], autopct="%1.0f%%")
ax2.set_title("季度占比")

fig.suptitle("2026 销售年度报告", fontsize=15)
plt.savefig("dashboard_main.png", dpi=150, bbox_inches="tight")
plt.show()

gs[0, :] 的读法和列表切片一样：”第 0 行、所有列”——于是主图横跨整个上排。这就是仪表盘排版的全部秘密：格子是可拼的，gs[1, 0]、gs[1, 1] 各占一格，gs[0, :] 拼大格。

第 3 步：用循环批量画，告别复制粘贴

四张图逐个写没问题，要是十张呢？格子阵支持下标遍历，”多图同款”的场景用循环一次搞定：

# subplot_loop.py — 批量画：四个区域，一个循环
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

regions = ["华东", "华北", "华南", "西南"]
data = {
    "华东": [42, 45, 50, 55],
    "华北": [30, 33, 35, 40],
    "华南": [25, 28, 32, 38],
    "西南": [18, 20, 22, 28],
}
quarters = ["Q1", "Q2", "Q3", "Q4"]

fig, axs = plt.subplots(2, 2, figsize=(10, 7), constrained_layout=True)

for name, ax in zip(regions, axs.flat):   # axs.flat 把 2×2 格子阵摊平成一排
    ax.bar(quarters, data[name], color="#4878A8")
    ax.set_title(f"{name} 季度销售额（万元）")
    ax.set_ylim(0, 60)                    # 四格统一纵轴范围，高低才可比！

fig.suptitle("四大区域季度对比", fontsize=15)
plt.savefig("dashboard_loop.png", dpi=150, bbox_inches="tight")
plt.show()

axs.flat 是个小神器：把 2×2 的格子阵摊平成一条线，和区域列表一一配对。注意 ax.set_ylim(0, 60)——四个格子纵轴范围必须一致，否则 18 万的小柱子在自己格子里显得和 55 万的一样高，图会撒谎。

四、改进：跟AI一起升级

把 subplot_main.py 发给 AI，需求往”汇报级”上提：

“这是我的销售年报仪表盘代码。帮我升级成汇报级：1）主图跨上排、两个副图在下排的布局已经写好，帮我检查文字有没有互相挤；2）三个小图的配色统一成’一强调多安静’的风格；3）每格小标题写成结论式，你根据数据各给两个候选；4）整个页面 A4 横版能打印，输出 150dpi PNG。先说方案再给代码。”

它的方案里这几个点值得追问：

• 让它解释格子坐标：gs[0, :] 到底占哪里？合格的回答会画出”田”字格示意。看懂格子坐标，你以后排三格、六格都不求人；
• 统一风格要逐格检查：让它把每格的配色、字号、坐标轴样式列成表格对齐，四格各画各的是仪表盘最常见的”脏”；
• 追问打印尺寸：figsize 英寸 × dpi = 像素，A4 横版约 11.7×8.3 英寸。让它按这个尺寸出图，打印不糊。

五、四个必踩的坑（先打疫苗）

1. 画布大小没跟着格子数放大。 默认画布画一张图正好，切成四格后每格只有四分之一大，标题挤成一团、饼图小得看不见。疫苗：格子越多，figsize 越要放大，2×2 至少 figsize=(10, 7)，3×3 往 (12, 9) 起步；导出 dpi 别低于 150。

1. 在子图上用 plt.title 这类全局函数。 plt.bar、plt.title 是”往当前格子画”，格子一多你根本说不清”当前”是哪格，图就画乱了。疫苗：有了 axs 之后，只用 ax.xxx 和 ax.set_xxx，每个动作都点名格子，绝不含糊。

1. 小图标签互相打架、或被 suptitle 压住。 手动 subplots_adjust 调间距是体力活，调好这格挤那格。疫苗：constrained_layout=True 一针见效；万一还不行再用 fig.tight_layout(rect=[0, 0, 1, 0.96]) 给大标题留出空间。保存后亲眼看一下 PNG，四格图最考验眼神。

1. 各格纵轴范围不一致，图在撒谎。 四个格子自动缩放各自的纵轴，同一份量级的数据画出”一样高”的柱子，老板据此拍板就是灾难。疫苗：同一量级的图共用纵轴范围（sharey=True 或手动 set_ylim），数值差异才真实。这也是下一节跟 AI 协作时必查的一项。

六、跟AI协作的正确姿势（多图组合特供版）

1. 先分配任务，再让它排版。 发需求时把”每格讲什么结论”列清楚：”左上讲趋势、右上讲对比、左下讲占比、右下讲关系”。AI 知道每格的使命，才能推荐合适的图型和布局——不说使命只说”排四张图”，它只能给你四格平均分。

1. 要”布局图”，不要”直觉”。 让它把 gridspec 的切法用文字画出来（”主图占上排两个格子”），你确认了再写代码。格子坐标是最容易出错的地方，先把图纸对齐，施工才不返工。

1. 让它当”整页三秒测试员”。 上一篇测的是单张图，这次测整页：”假装你是第一次看这页仪表盘的老板，三秒内你先看哪格、看懂了什么？哪格多余？”——四格图的失败往往不是哪格画得丑，而是有一格根本不该存在。

七、今日小练习

练习1：拼一页四格看板。 把你前面画过的四种图（第62-65篇的折线、柱状、饼、散点）排成 2×2 一页，加 constrained_layout=True 和 fig.suptitle，导出一张 PNG（提示：fig, axs = plt.subplots(2, 2, figsize=(10, 7))；每格用 axs[0][0].set_title 点名画；四种图各占 axs[0][0]、axs[0][1]、axs[1][0]、axs[1][1]）。

练习2：把主图放大。 在练习1的基础上改成”上排横跨一张主图 + 下排两张副图”的布局（提示：gs = fig.add_gridspec(2, 2)，主图 fig.add_subplot(gs[0, :]) 横跨第 0 行；副图占 gs[1, 0] 和 gs[1, 1]）。对比两种排版，体会”主次”带来的阅读顺序变化。

练习3：揪出撒谎的图。 做一页”四大区域季度对比”的 2×2 柱状图，故意一版用自动纵轴、一版统一 set_ylim(0, 60)，问自己”哪版里华北和华东的差距是真的？”（提示：纵轴范围不一致时，矮柱子在自己格子里会显得和高柱子一样高；同一量级的对比图必须共用纵轴）。

下篇预告

下一篇（第68篇）：数据+图表 — pandas+matplotlib，让程序自动出图。 前面画图的数据都是手敲的列表，真实工作里数据躺在 CSV 和 Excel 里。下一篇把第31篇的 pandas 和这几篇的 matplotlib 接上：读表、算数、画图一条龙，数据一变图就更新——从”画图的人”升级成”出图的流水线”。