Python matplotlib subplots：把四張圖組成一個銷售儀表板

先搞懂：fig 和 ax 到底是什麼

這是整篇最重要的觀念，先用生活比喻講清楚，後面所有程式碼都是它的延伸。

想像你要辦一場攝影展。你手上有：

• 一個大相框，掛在牆上、下方還刻了展覽的大標題——這個相框就是 `fig`（figure），代表整張畫布。存檔存的是它、整張圖的大標題是它的事、多大張（尺寸）也是它決定的。
• 相框裡切成好幾格，每一格擺一張小照片——每一格就是一個 `ax`（axes）。要畫什麼線、什麼長條、這一格的小標題叫什麼，都是各自那一格 `ax` 的事。

一句話記住：`fig` 管整體（畫布、大標題、存檔），`ax` 管單格（畫內容、小標題）。 之前我們用 plt.plot() 畫圖時，其實 matplotlib 在背後偷偷幫你開了一個 fig 和一個 ax，只是你沒感覺到。現在要放四張圖，就得自己把這個結構叫出來、親手掌控。

上面這張就是我們接下來要填的「空相框」。四個格子現在都是空的，各自標了名字——這些名字怎麼來的，就是下一段的重點。

一行叫出畫布：plt.subplots(2, 2)

要一次拿到「一個 fig ＋ 一批空格子」，用 plt.subplots()：

import matplotlib.pyplot as plt

fig, ax = plt.subplots(2, 2, figsize=(12, 8))
plt.show()

這一行資訊量很大，拆開看：

• plt.subplots(2, 2)：建立一個 2 列 × 2 欄 的格子，總共 4 格。
• 它一次回傳兩個東西（所以左邊用 fig, ax 兩個變數去接）：第一個是 fig（整張畫布），第二個是 ax——注意，這裡的 ax 不是單一格子，而是一個裝著 4 個格子的 2×2 陣列。
• figsize=(12, 8)：整張畫布的尺寸，單位是吋（寬 12 吋、高 8 吋）。這是 的屬性，決定整塊畫布多大，不是單一格子的大小。

ax 用 [列, 欄] 索引，對照上面那張圖

既然 ax 是個 2×2 陣列，要指定「哪一格」就用 ax[列, 欄]，列和欄都是從 0 開始數。對照上面那張結構圖：

• ax[0, 0] → 第 0 列第 0 欄 → 左上
• ax[0, 1] → 第 0 列第 1 欄 → 右上
• ax[1, 0] → 第 1 列第 0 欄 → 左下
• ax[1, 1] → 第 1 列第 1 欄 → 右下

搞混的時候就回頭看那張空相框：第一個數字是「第幾列（上下）」，第二個數字是「第幾欄（左右）」。這套索引記熟了，剩下的就是往每一格塞圖。

先把交易明細讀進來、整理成四份資料

真實世界的資料不會手寫在程式裡，而是一份交易明細。這裡用一家飲料店 10 天、共 2040 筆的訂單紀錄 drink_sales.csv，每一列就是一筆訂單：

訂單編號,日期,星期,品項,溫度,數量,杯型,甜度,冰量,加料,單價,加料費,金額,付款方式
OD000001,2026-07-01,星期三,珍珠奶茶,28,1,中杯,微糖,去冰,布丁,60,15,75,行動支付
OD000002,2026-07-01,星期三,紅茶拿鐵,28,1,中杯,半糖,正常冰,無,70,0,70,行動支付
OD000003,2026-07-01,星期三,翡翠綠茶,28,1,大杯,微糖,正常冰,無,55,0,55,信用卡
...

（點我下載 drink_sales.csv，跟著這篇一起跑。）

一筆一筆的明細沒辦法直接畫成「每日業績」或「品項排行」，要先聚合（aggregation）——用 groupby 把明細整理成儀表板四張圖各自要的形狀。這是資料分析最常做的一步：

import pandas as pd

orders = pd.read_csv("drink_sales.csv", parse_dates=["日期"])   # 2040 筆交易明細

daily   = orders.groupby("日期")["金額"].sum()                                    # 每日業績＝當天金額加總
by_item = orders.groupby("品項")["數量"].sum().sort_values(ascending=False)        # 品項銷量＝各品項數量加總
day_qty = orders.groupby("日期").agg(溫度=("溫度", "first"), 數量=("數量", "sum"))  # 每日溫度與總銷量
amounts = orders["金額"]                                                          # 每一筆消費金額（整欄）

關鍵轉換：畫圖要用「那一格的方法」

這裡是從單圖跨到多圖時最容易卡住的地方。之前畫單張圖，我們寫的是 plt.bar(...)、plt.title(...)——plt 畫的是「目前作用中的那張圖」。但現在有四格，plt.bar() 到底畫進哪一格？matplotlib 只能猜，一多子圖就容易畫錯格。

正確做法是：明確告訴它畫進哪一格——不呼叫 plt，改呼叫「那個 ax 自己的方法」。函式名幾乎一樣，只是前面從 plt. 換成 ax[i,j].：

pandas 也能指定畫進哪一格：.plot(ax=...)

左上角要放的是業績趨勢折線圖，資料就是剛剛 groupby 出來的 daily（日期當索引的 Series）。pandas 的 Series／DataFrame 本身就會畫圖，要把它畫進指定的格子，只要傳一個 ax= 參數：

daily.plot(ax=ax[0,0], marker="o")   # ax= 指定畫進「左上」那一格
ax[0,0].set_title("業績趨勢")

daily.plot(ax=ax[0,0]) 的意思是「pandas 你來畫，但畫在我指定的 ax[0,0] 這一格裡」。marker="o" 讓每個資料點都標一個小圓點，趨勢的轉折看得更清楚。這個 ax= 的概念很通用——用過 seaborn 的人會發現它的 axes-level 函式也是靠 ax= 指定子圖，是同一套思路。

剩下兩格：散佈圖與直方圖

左下放溫度 vs 銷量的散佈圖，看氣溫和賣量有沒有關聯；右下放客單價分布的直方圖，看金額大多落在哪一段。資料一樣是前面 groupby 出來的 day_qty 和 amounts，畫法一樣是「那一格的方法」：

ax[1,0].scatter(day_qty["溫度"], day_qty["數量"]); ax[1,0].set_title("溫度 vs 銷量")
ax[1,1].hist(amounts, bins=15); ax[1,1].set_title("金額分布")

兩點說明：

大標題與小標題：fig.suptitle vs ax.set_title

四張圖有各自的小標題了，但整張儀表板還缺一個「總標題」。這正好對應 fig / ax 的分工：

• `ax.set_title("...")`：各子圖上方的小標題（是「那一格」的事）。
• `fig.suptitle("...")`：整張畫布最上方的大標題（是「整個 fig」的事，suptitle 的 p 是 super，「凌駕全部之上」的標題）。

fig.suptitle("飲料店銷售分析儀表板", fontsize=15, fontweight="bold")

fontsize 調字級、fontweight="bold" 讓大標題粗體，看起來更像正式的儀表板抬頭。

收尾兩件事：tight_layout 與存檔

多子圖幾乎一定會遇到一個問題：格子挨得太近，某一格的標題會壓到隔壁格的座標軸、或大標題和子標題疊在一起。像下面這張「還沒排版」的樣子——擠成一團：

手動一格一格調間距很累，交給 matplotlib 自動排就好：

plt.tight_layout()

plt.tight_layout() 會自動計算、把各子圖的間距撐開，讓標題、軸標都不打架。多子圖的版面，加這一行幾乎是標配。

排好之後，把成果存成一張高解析度圖檔：

plt.savefig("dashboard.png", dpi=150, bbox_inches="tight")

• dpi=150：每吋 150 點的解析度，比預設清楚，貼報告或簡報都夠用。
• bbox_inches="tight"：存檔時把圖四周多餘的白邊裁掉，成品更緊湊。

（存檔是 plt.savefig，你也可以寫成 fig.savefig——因為存的本來就是整張 ，兩種寫法等價。）

中文字型：沿用上一篇那兩行就好

如果你的中文標題又變成方框，別緊張，這是上一篇講過的老問題。開頭補這兩行設定即可，這裡不再展開，細節看〈matplotlib 入門那篇〉：

plt.rcParams['font.family'] = ['Microsoft JhengHei', 'Arial Unicode MS', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False

（font.family 和上一篇用的 font.sans-serif 都能指定中文字型，效果一樣；列多個字型是備援，matplotlib 會挑第一個系統裡找得到的。非 Windows 就把 Microsoft JhengHei 換成你系統有的中文字型。）

完整程式碼

把「讀 CSV → groupby 整理 → 一格一格填」整串接起來，就是一支能直接跑的儀表板程式（記得先下載 drink_sales.csv 放在同一個資料夾）：

import matplotlib.pyplot as plt
import pandas as pd

# 中文顯示設定（詳見上一篇）
plt.rcParams['font.family'] = ['Microsoft JhengHei', 'Arial Unicode MS', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False

# 1) 讀交易明細，groupby 整理成四份資料
orders  = pd.read_csv("drink_sales.csv", parse_dates=["日期"])
daily   = orders.groupby("日期")["金額"].sum()
by_item = orders.groupby("品項")["數量"].sum().sort_values(ascending=False)
day_qty = orders.groupby("日期").agg(溫度=("溫度", "first"), 數量=("數量", "sum"))
amounts = orders["金額"]

# 2) 建立 2×2 畫布，拿到 fig 和裝著 4 格的 ax 陣列
fig, ax = plt.subplots(2, 2, figsize=(12, 8))

# 3) 各格分別畫圖 + 設小標題
daily.plot(ax=ax[0,0], marker="o"); ax[0,0].set_title("業績趨勢")
ax[0,1].bar(by_item.index, by_item.values); ax[0,1].set_title("品項銷量")
ax[1,0].scatter(day_qty["溫度"], day_qty["數量"]); ax[1,0].set_title("溫度 vs 銷量")
ax[1,1].hist(amounts, bins=15); ax[1,1].set_title("金額分布")

# 4) 大標題、排版、存檔
fig.suptitle("飲料店銷售分析儀表板", fontsize=15, fontweight="bold")
plt.tight_layout()
plt.savefig("dashboard.png", dpi=150, bbox_inches="tight")
plt.show()

小結

從一份交易明細到一整面儀表板，關鍵就這幾步：

• `pd.read_csv` 讀明細，`groupby(...).sum()` 聚合成每張圖要的資料——畫圖前的資料整理，往往才是重點。
• `fig, ax = plt.subplots(2, 2, figsize=(12, 8))`：一次拿到整張畫布 fig 和裝著 4 格的 ax 陣列。
• `ax[列, 欄]` 索引：[0,0] 左上、[0,1] 右上、[1,0] 左下、[1,1] 右下。
• 畫進某格用「那格的方法」：ax[i,j].bar / .scatter / .hist、標題用 ax[i,j].set_title；pandas 則靠 .plot(ax=...) 指定格子。
• `fig.suptitle` 是整張的大標題，`ax.set_title` 是各格的小標題；最後用 plt.tight_layout() 排間距、plt.savefig() 存高解析成品。

抓住「fig 管整張、ax 管單格」這條主線，再加上「先 groupby 把資料整理好」，多子圖儀表板就不再是難關。想再往下走——把儀表板變成能互動、能篩選的網頁圖表，或接上真實資料庫的數據——歡迎到「Python 資料視覺化」課程繼續練。