Matplotlib Subplots: Mehrfach-Panel-Figuren mit plt.subplots() erstellen

Q: Wie erstelle ich Subplots in Matplotlib?

Verwenden Sie fig, axes = plt.subplots(zeilen, spalten) um eine Figur mit einem Gitter von Subplots zu erstellen. Greifen Sie auf einzelne Achsen mit axes[zeile, spalte] zu. Rufen Sie immer plt.tight_layout() auf.

Q: Wie teile ich Achsen zwischen Subplots?

Übergeben Sie sharex=True oder sharey=True an plt.subplots(). Dies sorgt dafür, dass Subplots dieselbe Achsenskala teilen, nützlich für Verteilungs- oder Zeitreihenvergleiche.

Q: Wie erstelle ich Subplots unterschiedlicher Größe?

Verwenden Sie matplotlib.gridspec.GridSpec für asymmetrische Layouts. Erstellen Sie ein Gitter und verwenden Sie Slice-Notation um mehrere Zellen zu überspannen.

Q: Wie passe ich die Abstände zwischen Subplots an?

Rufen Sie plt.tight_layout() für automatische Abstände auf. Für manuelle Steuerung verwenden Sie plt.subplots_adjust(wspace=0.3, hspace=0.4).

Q: Wie füge ich einen Titel über allen Subplots hinzu?

Verwenden Sie fig.suptitle('Mein Titel', fontsize=16) um einen Supertitel über allen Subplots hinzuzufügen.

Name: Soren Atelier

Updated on 10.2.2026

Einzelne Diagramme reichen für echte Analysen selten aus. Sie müssen Verteilungen nebeneinander vergleichen, ein Streudiagramm neben seinen Residuen zeigen oder vier Metriken in einem Dashboard-Layout präsentieren. Ohne Subplots würden Sie separate Figuren erstellen, die ihre visuelle Beziehung verlieren, wenn sie zusammen präsentiert werden.

Matplotlibs plt.subplots()-Funktion erstellt Mehrfach-Panel-Figuren mit gemeinsamen Achsen, konsistenter Größe und flexiblen Layouts. Dieser Leitfaden deckt alles ab, von einfachen Gittern bis hin zu fortgeschrittenen asymmetrischen Layouts.

📚

Grundlegende Subplots

Einzelne Reihe

import matplotlib.pyplot as plt
import numpy as np
 
x = np.linspace(0, 10, 100)
 
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
 
axes[0].plot(x, np.sin(x))
axes[0].set_title('Sinus')
 
axes[1].plot(x, np.cos(x), color='orange')
axes[1].set_title('Kosinus')
 
axes[2].plot(x, np.tan(x), color='green')
axes[2].set_ylim(-5, 5)
axes[2].set_title('Tangens')
 
plt.tight_layout()
plt.show()

Gitter-Layout

import matplotlib.pyplot as plt
import numpy as np
 
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
 
x = np.linspace(0, 10, 100)
 
axes[0, 0].plot(x, x, 'b-')
axes[0, 0].set_title('Linear')
 
axes[0, 1].plot(x, x**2, 'r-')
axes[0, 1].set_title('Quadratisch')
 
axes[1, 0].plot(x, np.sqrt(x), 'g-')
axes[1, 0].set_title('Quadratwurzel')
 
axes[1, 1].plot(x, np.log(x + 1), 'm-')
axes[1, 1].set_title('Logarithmisch')
 
plt.tight_layout()
plt.show()

Gemeinsame Achsen

Gemeinsame Achsen gewährleisten konsistente Skalen für Vergleiche:

import matplotlib.pyplot as plt
import numpy as np
 
np.random.seed(42)
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(2, 1.5, 1000)
 
# X-Achse teilen
fig, axes = plt.subplots(2, 1, figsize=(8, 6), sharex=True)
axes[0].hist(data1, bins=30, color='steelblue', alpha=0.7)
axes[0].set_ylabel('Anzahl')
axes[0].set_title('Verteilung A')
 
axes[1].hist(data2, bins=30, color='coral', alpha=0.7)
axes[1].set_ylabel('Anzahl')
axes[1].set_xlabel('Wert')
axes[1].set_title('Verteilung B')
 
plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import numpy as np
 
# Beide X- und Y-Achsen teilen
fig, axes = plt.subplots(2, 3, figsize=(12, 8), sharex=True, sharey=True)
 
for i, ax in enumerate(axes.flat):
    data = np.random.randn(100)
    ax.hist(data, bins=20, color=f'C{i}', alpha=0.7)
    ax.set_title(f'Stichprobe {i+1}')
 
plt.tight_layout()
plt.show()

Abstände und Layout-Steuerung

tight_layout()

Passt die Abstände automatisch an, um Überlappungen zu vermeiden:

import matplotlib.pyplot as plt
 
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
# ... Diagramme hinzufügen ...
plt.tight_layout()  # Abstände automatisch korrigieren
plt.show()

subplots_adjust()

Manuelle Steuerung der Abstände:

import matplotlib.pyplot as plt
 
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
plt.subplots_adjust(
    left=0.1,    # Linker Rand
    right=0.95,  # Rechter Rand
    top=0.92,    # Oberer Rand
    bottom=0.08, # Unterer Rand
    wspace=0.3,  # Horizontaler Abstand zwischen Subplots
    hspace=0.4,  # Vertikaler Abstand zwischen Subplots
)
plt.show()

Einen Supertitel hinzufügen

import matplotlib.pyplot as plt
import numpy as np
 
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
fig.suptitle('Trigonometrische Funktionen', fontsize=16, fontweight='bold')
 
x = np.linspace(0, 2 * np.pi, 100)
for ax, func, name in zip(axes, [np.sin, np.cos, np.tan], ['sin', 'cos', 'tan']):
    ax.plot(x, func(x))
    ax.set_title(name)
 
plt.tight_layout()
plt.show()

GridSpec für asymmetrische Layouts

Wenn Sie Panels unterschiedlicher Größe benötigen, verwenden Sie GridSpec:

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np
 
fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(2, 3, figure=fig)
 
# Großes linkes Panel (erstreckt sich über 2 Reihen)
ax1 = fig.add_subplot(gs[:, 0])
ax1.plot(np.random.randn(100).cumsum())
ax1.set_title('Zeitreihe (2 Reihen)')
 
# Obere rechte Panels
ax2 = fig.add_subplot(gs[0, 1])
ax2.bar(['A', 'B', 'C'], [3, 7, 5])
ax2.set_title('Balkendiagramm')
 
ax3 = fig.add_subplot(gs[0, 2])
ax3.scatter(np.random.randn(50), np.random.randn(50))
ax3.set_title('Streudiagramm')
 
# Unteres breites Panel (erstreckt sich über 2 Spalten)
ax4 = fig.add_subplot(gs[1, 1:])
ax4.hist(np.random.randn(500), bins=30, color='coral')
ax4.set_title('Histogramm (2 Spalten)')
 
plt.tight_layout()
plt.show()

subplot2grid für positionsbasiertes Layout

import matplotlib.pyplot as plt
import numpy as np
 
fig = plt.figure(figsize=(12, 8))
 
# (Reihen, Spalten), (Reihe_Start, Spalte_Start), rowspan, colspan
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2)
ax2 = plt.subplot2grid((3, 3), (0, 2), rowspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 0))
ax4 = plt.subplot2grid((3, 3), (1, 1))
ax5 = plt.subplot2grid((3, 3), (2, 0), colspan=3)
 
ax1.set_title('Oben Breit')
ax2.set_title('Rechts Hoch')
ax3.set_title('Mitte Links')
ax4.set_title('Mitte Zentrum')
ax5.set_title('Unten Volle Breite')
 
plt.tight_layout()
plt.show()

Über Subplots iterieren

import matplotlib.pyplot as plt
import numpy as np
 
# Axes-Array für einfache Iteration abflachen
fig, axes = plt.subplots(2, 3, figsize=(12, 8))
 
datasets = [np.random.randn(100) for _ in range(6)]
colors = ['#e74c3c', '#3498db', '#2ecc71', '#f39c12', '#9b59b6', '#1abc9c']
 
for ax, data, color, i in zip(axes.flat, datasets, colors, range(6)):
    ax.hist(data, bins=20, color=color, alpha=0.7)
    ax.set_title(f'Datensatz {i+1}')
    ax.set_xlabel('Wert')
    ax.set_ylabel('Anzahl')
 
plt.tight_layout()
plt.show()

Leere Subplots entfernen

Wenn Sie weniger Diagramme als Gitterpositionen haben:

import matplotlib.pyplot as plt
import numpy as np
 
fig, axes = plt.subplots(2, 3, figsize=(12, 8))
data_count = 5  # Nur 5 Datensätze für 6 Plätze
 
for i, ax in enumerate(axes.flat):
    if i < data_count:
        ax.plot(np.random.randn(50).cumsum())
        ax.set_title(f'Diagramm {i+1}')
    else:
        ax.set_visible(False)  # Leeren Subplot verstecken
 
plt.tight_layout()
plt.show()

Interaktive Mehrfach-Panel-Exploration

Für schnelle visuelle Exploration, bei der Sie verschiedene Ansichten desselben Datensatzes interaktiv vergleichen möchten, ermöglicht PyGWalker (opens in a new tab) das Erstellen von Dashboards durch Drag-and-Drop von Spalten in Jupyter -- kein Subplot-Code erforderlich:

import pandas as pd
import pygwalker as pyg
 
df = pd.read_csv('your_data.csv')
walker = pyg.walk(df)

FAQ

Wie erstelle ich Subplots in Matplotlib?

Verwenden Sie fig, axes = plt.subplots(zeilen, spalten), um eine Figur mit einem Gitter von Subplots zu erstellen. Greifen Sie auf einzelne Achsen mit axes[zeile, spalte] für Gitter oder axes[i] für einzelne Zeilen/Spalten zu. Rufen Sie immer plt.tight_layout() am Ende auf, um überlappende Beschriftungen zu vermeiden.

Wie teile ich Achsen zwischen Subplots?

Übergeben Sie sharex=True oder sharey=True an plt.subplots(). Zum Beispiel macht fig, axes = plt.subplots(2, 1, sharex=True) beide Subplots mit derselben X-Achsenskala. Dies ist nützlich für den Vergleich von Verteilungen oder Zeitreihen.

Wie erstelle ich Subplots unterschiedlicher Größe?

Verwenden Sie matplotlib.gridspec.GridSpec für asymmetrische Layouts. Erstellen Sie ein Gitter und verwenden Sie Slice-Notation, um mehrere Zellen zu überspannen: ax = fig.add_subplot(gs[0, :2]) erstellt einen Subplot, der die ersten beiden Spalten der ersten Zeile überspannt.

Wie passe ich die Abstände zwischen Subplots an?

Rufen Sie plt.tight_layout() für automatische Abstände auf. Für manuelle Steuerung verwenden Sie plt.subplots_adjust(wspace=0.3, hspace=0.4), wobei wspace der horizontale und hspace der vertikale Abstand ist.

Wie füge ich einen Titel über allen Subplots hinzu?

Verwenden Sie fig.suptitle('Mein Titel', fontsize=16), um einen Supertitel über allen Subplots hinzuzufügen. Möglicherweise müssen Sie den oberen Rand mit plt.subplots_adjust(top=0.92) anpassen oder plt.tight_layout() aufrufen, um Überlappungen zu vermeiden.

Fazit

Matplotlibs plt.subplots() ist die Grundlage für Mehrfach-Panel-Figuren. Verwenden Sie es mit (zeilen, spalten) für reguläre Gitter, sharex/sharey für konsistente Skalen, tight_layout() für automatische Abstände und GridSpec für asymmetrische Layouts. Für schnelle Iteration flachen Sie das Axes-Array mit axes.flat ab und iterieren Sie. Diese Muster decken die überwiegende Mehrheit der Mehrfach-Panel-Visualisierungsanforderungen ab.

📚