HOWTO · Matplotlib
Matplotlib 中的疊加圖
本文介紹如何在 Matplotlib 中疊加繪圖，並提供實用範例和清晰的解說。了解組合不同類型視覺化圖表（包括折線圖和長條圖）的最佳方法，提升資料呈現的敘事效果。探索如何建立能夠有效傳達洞見和對比關係的分層圖形。
本頁內容
在 Matplotlib 中疊加圖表時，將每組資料繪製在同一個 Axes 物件上，便能在同一座標系統中比較相關數值。若資料需要不同的尺度，或分開呈現更容易閱讀，請使用個別子圖；每個子圖都有自己的 Axes。
方法 1：基本折線圖疊加
在同一個座標軸上多次呼叫 plot()。以下範例會比較相同 x 位置上的正弦與餘弦值。每次呼叫都會新增一條線，並將標籤加入同一個圖例。範例圖表的標題、座標軸標籤與圖例項目均維持英文，例如 “Sine” 和 “Cosine”，並未顯示為繁體中文。
請在有 Matplotlib 顯示環境中執行此範例；它會開啟圖表，並將 line-overlay.png 儲存至目前目錄。在無頭環境中，仍可查看儲存的 PNG 檔案。
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
fig, ax = plt.subplots()
ax.plot(x, np.sin(x), label="Sine", color="blue")
ax.plot(x, np.cos(x), label="Cosine", color="red")
ax.set(title="Sine and cosine", xlabel="x", ylabel="Value")
ax.legend()
fig.savefig("line-overlay.png", dpi=150, bbox_inches="tight")
plt.show()
plt.close(fig)
兩條線共用相同的 x 軸與 y 軸尺度，因此圖表便於比較各 x 位置的數值。如果資料序列的單位不同，或數值範圍差異很大，共用 y 軸可能造成誤解；此時可改用個別子圖，或使用標示清楚的次要座標軸。
方法 2：疊加長條圖與折線圖
若長條圖與折線圖代表相同類別，而且數值具有合理的可比性，就能在同一個座標軸上呈現。使用數值形式的類別位置，讓標記落在長條中央。適度設定長條透明度，有助於讓折線保持清晰可見。
執行此範例後會開啟圖表，並將 bar-line-overlay.png 儲存至目前目錄。
import matplotlib.pyplot as plt
categories = ["A", "B", "C", "D"]
positions = range(len(categories))
bar_values = [3, 7, 2, 5]
line_values = [4, 6, 3, 4]
fig, ax = plt.subplots()
ax.bar(positions, bar_values, width=0.65, alpha=0.55, label="Bar values")
ax.plot(positions, line_values, color="darkorange", marker="o", label="Line values")
ax.set_xticks(list(positions), categories)
ax.set(xlabel="Category", ylabel="Value", title="Bar and line overlay")
ax.legend()
fig.savefig("bar-line-overlay.png", dpi=150, bbox_inches="tight")
plt.show()
plt.close(fig)
此範例使用單一 y 軸，因為兩組資料的尺度相近。如果其中一組資料代表不同的量或單位，請清楚說明，並使用個別座標軸或子圖，避免讓讀者誤以為兩者的高度可以直接比較。
控制哪個繪圖元素顯示在前方：zorder
Matplotlib 會依照 zorder 的順序繪製圖形元素：數值較大的元素會顯示在數值較小的元素前方。若要讓折線顯示在長條上方，請明確設定 zorder。執行此範例後會開啟圖表，並將 zorder-overlay.png 儲存至目前目錄。
import matplotlib.pyplot as plt
positions = [0, 1, 2]
fig, ax = plt.subplots()
ax.bar(positions, [3, 5, 4], alpha=0.6, zorder=1)
ax.plot(positions, [4, 3, 5], color="darkorange", marker="o", zorder=2)
fig.savefig("zorder-overlay.png", dpi=150, bbox_inches="tight")
plt.show()
plt.close(fig)
較高的 zorder 只會控制繪製順序，不會改變數值尺度或資料值。它適合用來讓標記或格線清楚可見，但無法解決需要不同尺度的資料彼此重疊問題。
方法 3：使用子圖整理多個圖表
plt.subplots() 會建立彼此獨立的座標軸。如下例所示，你可以在一個子圖中疊加相關資料序列，並在另一個子圖中呈現不同資料。這種方式能整理各自獨立的比較，不會暗示所有資料都共用同一個尺度。
執行此範例後會開啟圖表，並將 subplot-overlay.png 儲存至目前目錄：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
fig, axes = plt.subplots(2, 1, figsize=(8, 6))
axes[0].plot(x, np.sin(x), label="Sine")
axes[0].plot(x, np.cos(x), label="Cosine")
axes[0].set_ylabel("Value")
axes[0].legend()
tangent = np.tan(x)
tangent[np.abs(tangent) > 5] = np.nan
axes[1].plot(x, tangent, color="green", label="Tangent")
axes[1].set_ylim(-5, 5)
axes[1].set_xlabel("x")
axes[1].set_ylabel("Value")
axes[1].legend()
fig.tight_layout()
fig.savefig("subplot-overlay.png", dpi=150, bbox_inches="tight")
plt.show()
plt.close(fig)
第一個座標軸包含兩條疊加的折線；第二個座標軸則呈現落在圖示 y 軸範圍內的正切函數線段。繪圖前會遮罩絕對值大於 5 的數值，因此 Matplotlib 不會在正切函數的垂直漸近線處畫出跨越的線段。tight_layout() 會調整間距，降低標籤互相重疊的機會。資料集很多時，只有在子圖有助於區分比較時才增加子圖；比起少數聚焦的圖表，過度密集的疊圖可能更難解讀。
結論
在 Matplotlib 中，對同一個 Axes 呼叫繪圖方法即可疊加圖表。請使用圖例、清楚的標籤與相容的尺度；若繪製順序很重要，也可設定 zorder。若資料應分開呈現，請使用個別子圖，並控制疊加的資料序列數量，讓圖表容易閱讀。
常見問題
-
為什麼要在 Matplotlib 中疊加圖表？
疊圖能在同一個畫面呈現相關資料集；當它們使用有意義且可比較的尺度時，更容易比較趨勢與數值。 -
可以組合不同類型的圖表嗎？
可以。例如，當類別與數值適合清楚比較時，可在同一個座標軸上繪製長條圖與折線圖。 -
如何自訂疊加圖表？
在繪圖呼叫中設定顏色、標記、線條樣式、透明度、標籤與zorder。圖例和座標軸標籤應清楚指出各資料序列代表的內容。 -
可以疊加多少個圖表？
沒有固定上限，但過多折線或標記會讓圖表顯得雜亂。當標籤或比較內容變得難以理解時，請將資料分到不同子圖。 -
如何將疊加圖儲存為圖片？
關閉圖表前呼叫fig.savefig("overlay.png", dpi=150, bbox_inches="tight")。這會將目前的圖表儲存為 PNG 檔；需要其他格式時，可改用支援的副檔名。
