Matplotlib 서브플롯: plt.subplots()로 다중 패널 그림 만들기

Q: Matplotlib에서 서브플롯을 어떻게 만드나요?

fig, axes = plt.subplots(행, 열)을 사용하여 서브플롯 그리드가 있는 그림을 만듭니다. axes[행, 열]로 개별 축에 접근합니다. 항상 plt.tight_layout()을 호출하세요.

Q: 서브플롯 간에 축을 어떻게 공유하나요?

plt.subplots()에 sharex=True 또는 sharey=True를 전달합니다. 서브플롯이 같은 축 스케일을 공유하여 분포나 시계열 비교에 유용합니다.

Q: 다른 크기의 서브플롯을 어떻게 만드나요?

비대칭 레이아웃에는 matplotlib.gridspec.GridSpec을 사용합니다. 그리드를 만들고 슬라이스 표기법으로 여러 셀에 걸치게 합니다.

Q: 서브플롯 간의 간격을 어떻게 조정하나요?

자동 간격에는 plt.tight_layout()을 호출합니다. 수동 제어에는 plt.subplots_adjust(wspace=0.3, hspace=0.4)를 사용합니다.

Q: 모든 서브플롯 위에 제목을 어떻게 추가하나요?

fig.suptitle('내 제목', fontsize=16)을 사용하여 모든 서브플롯 위에 슈퍼 타이틀을 추가합니다.

Name: Soren Atelier

Updated on 2026. 2. 10.

단일 패널 그림은 실제 분석에 충분한 경우가 거의 없습니다. 분포를 나란히 비교하거나, 산점도를 잔차와 함께 보여주거나, 4개의 지표를 대시보드 레이아웃으로 표시해야 합니다. 서브플롯 없이는 함께 제시할 때 시각적 관계가 사라지는 개별 그림을 만들게 됩니다.

Matplotlib의 plt.subplots() 함수는 공유 축, 일관된 크기, 유연한 레이아웃을 가진 다중 패널 그림을 만듭니다. 이 가이드는 기본 그리드부터 고급 비대칭 레이아웃까지 모든 것을 다룹니다.

📚

기본 서브플롯

단일 행

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('사인')
 
axes[1].plot(x, np.cos(x), color='orange')
axes[1].set_title('코사인')
 
axes[2].plot(x, np.tan(x), color='green')
axes[2].set_ylim(-5, 5)
axes[2].set_title('탄젠트')
 
plt.tight_layout()
plt.show()

그리드 레이아웃

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('선형')
 
axes[0, 1].plot(x, x**2, 'r-')
axes[0, 1].set_title('이차')
 
axes[1, 0].plot(x, np.sqrt(x), 'g-')
axes[1, 0].set_title('제곱근')
 
axes[1, 1].plot(x, np.log(x + 1), 'm-')
axes[1, 1].set_title('로그')
 
plt.tight_layout()
plt.show()

공유 축

축을 공유하면 비교를 위한 일관된 스케일이 보장됩니다:

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)
 
# X축 공유
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('카운트')
axes[0].set_title('분포 A')
 
axes[1].hist(data2, bins=30, color='coral', alpha=0.7)
axes[1].set_ylabel('카운트')
axes[1].set_xlabel('값')
axes[1].set_title('분포 B')
 
plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import numpy as np
 
# X축과 Y축 모두 공유
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'샘플 {i+1}')
 
plt.tight_layout()
plt.show()

간격 및 레이아웃 제어

tight_layout()

겹침을 방지하기 위해 간격을 자동 조정:

import matplotlib.pyplot as plt
 
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
# ... 플롯 추가 ...
plt.tight_layout()  # 간격 자동 수정
plt.show()

subplots_adjust()

간격 수동 제어:

import matplotlib.pyplot as plt
 
fig, axes = plt.subplots(2, 2, figsize=(10, 8))
plt.subplots_adjust(
    left=0.1,    # 왼쪽 여백
    right=0.95,  # 오른쪽 여백
    top=0.92,    # 상단 여백
    bottom=0.08, # 하단 여백
    wspace=0.3,  # 서브플롯 간 가로 간격
    hspace=0.4,  # 서브플롯 간 세로 간격
)
plt.show()

슈퍼 타이틀 추가

import matplotlib.pyplot as plt
import numpy as np
 
fig, axes = plt.subplots(1, 3, figsize=(15, 4))
fig.suptitle('삼각함수', 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()

비대칭 레이아웃을 위한 GridSpec

다른 크기의 패널이 필요할 때 GridSpec을 사용합니다:

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)
 
# 큰 왼쪽 패널 (2행에 걸침)
ax1 = fig.add_subplot(gs[:, 0])
ax1.plot(np.random.randn(100).cumsum())
ax1.set_title('시계열 (2행)')
 
# 오른쪽 상단 패널
ax2 = fig.add_subplot(gs[0, 1])
ax2.bar(['A', 'B', 'C'], [3, 7, 5])
ax2.set_title('막대 그래프')
 
ax3 = fig.add_subplot(gs[0, 2])
ax3.scatter(np.random.randn(50), np.random.randn(50))
ax3.set_title('산점도')
 
# 하단 넓은 패널 (2열에 걸침)
ax4 = fig.add_subplot(gs[1, 1:])
ax4.hist(np.random.randn(500), bins=30, color='coral')
ax4.set_title('히스토그램 (2열)')
 
plt.tight_layout()
plt.show()

위치 기반 레이아웃을 위한 subplot2grid

import matplotlib.pyplot as plt
import numpy as np
 
fig = plt.figure(figsize=(12, 8))
 
# (행, 열), (행_시작, 열_시작), 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('상단 넓음')
ax2.set_title('오른쪽 높음')
ax3.set_title('중간 왼쪽')
ax4.set_title('중간 가운데')
ax5.set_title('하단 전체 너비')
 
plt.tight_layout()
plt.show()

서브플롯 반복 처리

import matplotlib.pyplot as plt
import numpy as np
 
# 쉬운 반복을 위해 axes 배열 평탄화
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'데이터셋 {i+1}')
    ax.set_xlabel('값')
    ax.set_ylabel('카운트')
 
plt.tight_layout()
plt.show()

빈 서브플롯 제거

그리드 위치보다 플롯이 적을 때:

import matplotlib.pyplot as plt
import numpy as np
 
fig, axes = plt.subplots(2, 3, figsize=(12, 8))
data_count = 5  # 6칸에 5개 데이터셋만
 
for i, ax in enumerate(axes.flat):
    if i < data_count:
        ax.plot(np.random.randn(50).cumsum())
        ax.set_title(f'플롯 {i+1}')
    else:
        ax.set_visible(False)  # 빈 서브플롯 숨기기
 
plt.tight_layout()
plt.show()

인터랙티브 다중 패널 탐색

같은 데이터셋의 다른 뷰를 인터랙티브하게 비교하고 싶은 빠른 시각적 탐색을 위해, PyGWalker (opens in a new tab)는 Jupyter에서 열을 드래그 앤 드롭하여 대시보드를 만들 수 있게 합니다 -- 서브플롯 코드 불필요:

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

FAQ

Matplotlib에서 서브플롯을 어떻게 만드나요?

fig, axes = plt.subplots(행, 열)을 사용하여 서브플롯 그리드가 있는 그림을 만듭니다. 그리드의 경우 axes[행, 열], 단일 행/열의 경우 axes[i]로 개별 축에 접근합니다. 레이블 겹침을 방지하기 위해 항상 마지막에 plt.tight_layout()을 호출하세요.

서브플롯 간에 축을 어떻게 공유하나요?

plt.subplots()에 sharex=True 또는 sharey=True를 전달합니다. 예를 들어, fig, axes = plt.subplots(2, 1, sharex=True)는 두 서브플롯이 같은 x축 스케일을 공유하게 합니다. 분포나 시계열 비교에 유용합니다.

다른 크기의 서브플롯을 어떻게 만드나요?

비대칭 레이아웃에는 matplotlib.gridspec.GridSpec을 사용합니다. 그리드를 만들고 슬라이스 표기법으로 여러 셀에 걸치게 합니다: ax = fig.add_subplot(gs[0, :2])는 첫 번째 행의 처음 두 열에 걸치는 서브플롯을 만듭니다.

서브플롯 간의 간격을 어떻게 조정하나요?

자동 간격에는 plt.tight_layout()을 호출합니다. 수동 제어에는 plt.subplots_adjust(wspace=0.3, hspace=0.4)를 사용합니다. wspace는 가로 간격, hspace는 세로 간격입니다.

모든 서브플롯 위에 제목을 어떻게 추가하나요?

fig.suptitle('내 제목', fontsize=16)을 사용하여 모든 서브플롯 위에 슈퍼 타이틀을 추가합니다. plt.subplots_adjust(top=0.92)로 상단 여백을 조정하거나 plt.tight_layout()을 호출하여 겹침을 방지해야 할 수 있습니다.

결론

Matplotlib의 plt.subplots()는 다중 패널 그림의 기반입니다. 일반 그리드에는 (행, 열)로, 일관된 스케일에는 sharex/sharey로, 자동 간격에는 tight_layout()으로, 비대칭 레이아웃에는 GridSpec으로 사용합니다. 빠른 반복을 위해 axes.flat으로 축 배열을 평탄화하고 루프합니다. 이러한 패턴이 다중 패널 시각화 요구의 대부분을 충족합니다.

📚