Matplotlib Subplots: Eine Einführung in die Erstellung von Mehrfachdiagrammen mit Python

26.09.2025

Einleitung

In der Welt der Datenanalyse ist die Visualisierung von Daten von entscheidender Bedeutung. Sie hilft uns, Muster zu erkennen, Trends zu identifizieren und komplexe Daten einfach darzustellen. Eine der beliebtesten Bibliotheken zur Erstellung von Grafiken in Python ist Matplotlib. In diesem Artikel konzentrieren wir uns auf eine spezifische Funktion dieser Bibliothek: die Erstellung von Subplots.

Was sind Subplots?

Subplots sind mehrere Grafiken oder Diagramme, die innerhalb einer einzigen Figur platziert werden. Diese Technik ist besonders nützlich, wenn man verwandte Datensätze auf einen Blick vergleichen möchte. Mit Subplots kann man verschiedene Diagrammtypen nebeneinander darstellen, um umfassendere Einblicke zu gewinnen.

Warum Matplotlib für Subplots verwenden?

Matplotlib bietet eine hohe Flexibilität und Kontrolle bei der Erstellung von Subplots. Mit Funktionen wie plt.subplot() und plt.subplots() können Anwender komplexe Layouts mit minimalem Aufwand erstellen. Zudem ermöglicht es die Anpassung von Achsen, Titeln und Farben, um individuelle Anforderungen zu erfüllen.

Erstellen von Subplots mit plt.subplot()

Die Funktion plt.subplot() ermöglicht es, ein Raster von Subplots zu erstellen, indem man die Anzahl der Zeilen und Spalten angibt. Zum Beispiel erstellt plt.subplot(2, 2, 1) ein 2x2-Raster und aktiviert das erste Feld:

import matplotlib.pyplot as plt

plt.subplot(2, 2, 1)
plt.plot([0, 1], [0, 1])
plt.title('Plot 1')

plt.subplot(2, 2, 2)
plt.plot([0, 1], [1, 0])
plt.title('Plot 2')

plt.subplot(2, 2, 3)
plt.plot([0, 1], [0.5, 0.5])
plt.title('Plot 3')

plt.subplot(2, 2, 4)
plt.plot([0.5, 0.5], [0, 1])
plt.title('Plot 4')

plt.tight_layout()
plt.show()

In diesem Beispiel erstellen wir ein 2x2-Raster und platzieren vier einfache Diagramme darin.

Erstellen von Subplots mit plt.subplots()

Die Funktion plt.subplots() ist eine weitere Methode, um Subplots zu erstellen und bietet eine übersichtlichere Syntax. Sie liefert ein Figure-Objekt und ein Array von Achsen zurück, die individuell angepasst werden können:

fig, axs = plt.subplots(2, 2)

axs[0, 0].plot([0, 1], [0, 1])
axs[0, 0].set_title('Plot 1')

axs[0, 1].plot([0, 1], [1, 0])
axs[0, 1].set_title('Plot 2')

axs[1, 0].plot([0, 1], [0.5, 0.5])
axs[1, 0].set_title('Plot 3')

axs[1, 1].plot([0.5, 0.5], [0, 1])
axs[1, 1].set_title('Plot 4')

plt.tight_layout()
plt.show()

Hier nutzen wir die zurückgegebenen Achsen, um jedem Plot spezifische Daten und Titel zuzuweisen.

Tipps zur Optimierung von Subplot-Layouts

Das Layout von Subplots kann durch verschiedene Techniken optimiert werden. Die Verwendung von plt.tight_layout() sorgt für ausreichenden Abstand zwischen den Subplots und verhindert Überlappungen. Für weitergehende Anpassungen bietet Matplotlib Funktionen wie GridSpec, mit denen die Grösse und Position der einzelnen Subplots detailliert gesteuert werden können.

Fazit

Matplotlibs Fähigkeit, Subplots zu erstellen, erweitert die Möglichkeiten der Datenvisualisierung erheblich. Egal, ob man einfache Vergleiche oder komplexe Visualisierungen erstellt, Subplots bieten eine effiziente Möglichkeit, mehrere Diagramme in einem einzigen Bild zu vereinen. Durch die Kombination von Flexibilität und Kontrolle ist Matplotlib ein unverzichtbares Werkzeug für jeden Datenanalysten.