本文介绍如何使用 python 循环替代重复代码，批量在 matplotlib 子图中绘制多个国家的寿命-年份散点图，避免手动调用 subplot 和重复绘图逻辑，提升代码可读性与执行效率。
本文介绍如何使用 python 循环替代重复代码，批量在 matplotlib 子图中绘制多个国家的寿命-年份散点图，避免手动调用 subplot 和重复绘图逻辑，提升代码可读性与执行效率。
在数据可视化实践中，面对多个结构相似的数据集（如不同国家的时序指标），若逐一手动调用 plt.subplot() 和 sns.scatterplot()，不仅代码冗长、易出错，也难以维护和扩展。正确做法是将数据集组织为列表，结合 enumerate() 自动分配子图位置，统一完成绘图后一次性显示。
以下是优化后的标准写法：
import matplotlib.pyplot as plt
import seaborn as sns
# 假设 chile, china, germany, mexico, usa, zimbabwe 已加载为 pandas DataFrame
countries = [chile, china, germany, mexico, usa, zimbabwe]
country_names = ['Chile', 'China', 'Germany', 'Mexico', 'United States of America', 'Zimbabwe']
# 创建 2×3 网格布局的子图
for idx, (country, name) in enumerate(zip(countries, country_names), 1):
plt.subplot(2, 3, idx)
sns.scatterplot(data=country, x='Year', y='Life expectancy at birth (years)')
plt.title(name)
# 统一调整子图间距并展示
plt.subplots_adjust(wspace=0.5, hspace=0.5)
plt.tight_layout() # 推荐替代手动调整，自动优化布局
plt.show()
plt.clf() # 清除当前 figure，避免后续绘图干扰
关键要点说明：
- ✅ 使用
enumerate(..., 1)直接生成从 1 开始的子图编号（plt.subplot索引从 1 起），无需手动维护计数器； - ✅ 将
plt.show()和plt.clf()移至循环外部——若放在循环内，每次迭代都会弹出新窗口并清空画布，导致仅首图可见； - ✅ 引入
country_names列表并与zip()配合，使标题动态匹配对应国家，增强可读性； - ✅ 推荐添加
plt.tight_layout()替代手动subplots_adjust()，它能自适应地优化标签与子图间距，尤其在字体或标题长度不一时更鲁棒； - ⚠️ 注意：所有数据集（如
chile,china等）必须具有完全一致的列名（特别是'Year'和'Life expectancy at birth (years)'），否则会触发KeyError。
通过该模式，新增国家只需在 countries 和 country_names 列表末尾追加元素，无需修改绘图逻辑，真正实现“一次编写、批量复用”。
