系列文章目录
第一章 使用 matplotlib 绘制折线图
第二章 使用 matplotlib 绘制条形图
第三章 使用 matplotlib 绘制直方图
第四章 使用 matplotlib 绘制散点图
第五章 使用 matplotlib 绘制饼图
第六章 使用 matplotlib 绘制热力图
第七章 使用 matplotlib 绘制堆叠条形图
第八章 使用 matplotlib 在一个画布内绘制多个图
文章目录
前言
上一章我们讲述了堆叠条形图的绘制，本章我们来讲述子图的绘制。
一、子图的介绍
前面讲述的图表绘制方法一次只会绘制一张图表，但是有些情况下，我们希望把一组图放在一起进行比较，有没有什么好的方法呢？matplotlib 中提供的 subplots() 可以很好的解决这个问题。通过调用 subplots() 可以将整个绘图区域分成 m * n 个子区域，每个子区域都可以绘制一个子图。
当 m = 1，n = 2 时，绘图区域的划分情况如下所示：
当 m = 2，n = 1 时，绘图区域的划分情况如下所示：
当 m = 2，n = 2 时，绘图区域的划分情况如下所示：
; 二、子图的绘制
下面我们通过例子来看 subplots() 函数的使用。
1.一个子图
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x)
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('plot sin')
plt.show()
在上面的代码中，调用 subplots() 函数时，没有传入参数，这样在默认情况下整个绘图区域只会包含一个子区域。 subplots() 函数会返回两个值，一个是 fig，一个是 ax。接下来便可以使用 ax 对子图进行绘制。代码执行后得到的图形如下图所示：
2.多个子图
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax = plt.subplots(nrows=2, ncols=1)
ax[0].plot(x, y1)
ax[0].set_title('plot sin')
ax[1].plot(x, y2)
ax[1].set_title('plot cos')
plt.show()
上面代码中，向 subplots() 函数传入参数 nrows 和 ncols，值分别为 2 和 1。这样整个绘图区域会被划分为两个子区域。返回值 ax 为包含两个子区域对象的数组，我们可以使用索引的方式来访问每个对象，下面便可以使用这两个对象进行绘图。代码执行后得到的图形如下图所示：
由于两个子图的横坐标相同，这样可以让两个子图共享横坐标。例如：
from os import sched_get_priority_max
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax = plt.subplots(nrows=2, ncols=1, sharex=True)
ax[0].plot(x, y1)
ax[0].set_title('plot sin')
ax[1].plot(x, y2)
ax[1].set_title('plot cos')
plt.show()
为了让两个子图共享横坐标，只需要在调用 subplots() 函数时传入参数 sharex，并设置其值为 True。代码执行后得到的图形如下图所示：
上面两个子图是上下排列，我们再来看看左右排列的情况。例如：
from os import sched_get_priority_max
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax = plt.subplots(nrows=1, ncols=2)
ax[0].plot(x, y1)
ax[0].set_title('plot sin')
ax[1].plot(x, y2)
ax[1].set_title('plot cos')
plt.show()
为了让两个子图左右排列，只需要将参数 nrows 和 ncols 的值分别设置为 1 和 2。代码执行后得到的图形如下图所示：
上面图形中的子图长和宽不是很协调，下面我们通过参数来调整图形的长和宽的比例，例如：
from os import sched_get_priority_max
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(18,5))
ax[0].plot(x, y1)
ax[0].set_title('plot sin')
ax[1].plot(x, y2)
ax[1].set_title('plot cos')
plt.show()
上面的代码中，在调用 subplots() 函数时，传入参数 figsize 来设置图形的长和宽。代码执行后得到的图形如下图所示：
上面图形中，两个子图左右排列而且纵坐标轴相同，这样我们可以设置让两个子图共享纵坐标轴，例如：
from os import sched_get_priority_max
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x)
y2 = np.cos(x)
fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(18,5), sharey=True)
ax[0].plot(x, y1)
ax[0].set_title('plot sin')
ax[1].plot(x, y2)
ax[1].set_title('plot cos')
plt.show()
为了让两个子图共享纵坐标轴，只需要向 subplots() 函数传入 sharey 参数，并设置其值为 True，代码执行后得到的图形如下图所示：
上面的例子中，调用
subplots() 函数返回的是一维数组，下面我们来看一个返回多维数组的例子：
from os import sched_get_priority_max
import matplotlib.pyplot as plt
import numpy as np
x1 = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x1)
y2 = np.cos(x1)
x2 = np.linspace(0, 2*np.pi, 40)
y3 = np.sin(x2)
y4 = np.cos(x2)
fig, ax = plt.subplots(nrows=2, ncols=2)
ax[0,0].plot(x1, y1)
ax[0,0].set_title('plot sin')
ax[0,1].plot(x1, y2)
ax[0,1].set_title('plot cos')
ax[1,0].scatter(x2, y3)
ax[1,0].set_title('plot scatter sin')
ax[1,1].scatter(x2, y4)
ax[1,1].set_title('plot scatter cos')
plt.show()
在上面的代码中，ax 是一个 2 * 2 的数组，所以在进行索引的时候，需要使用二维数组的索引方法。代码执行后得到的图形如下图所示：
上面四个图，左右可以共享 y 轴的坐标，上下可以共享 x 轴的坐标，下面我们来设置共享坐标轴，例如：
from os import sched_get_priority_max
import matplotlib.pyplot as plt
import numpy as np
x1 = np.linspace(0, 2*np.pi, 400)
y1 = np.sin(x1)
y2 = np.cos(x1)
x2 = np.linspace(0, 2*np.pi, 40)
y3 = np.sin(x2)
y4 = np.cos(x2)
fig, ax = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
ax[0,0].plot(x1, y1)
ax[0,0].set_title('plot sin')
ax[0,1].plot(x1, y2)
ax[0,1].set_title('plot cos')
ax[1,0].scatter(x2, y3)
ax[1,0].set_title('plot scatter sin')
ax[1,1].scatter(x2, y4)
ax[1,1].set_title('plot scatter cos')
plt.show()
代码执行后得到的图形如下图所示：
总结
本章我们讲述了子图的绘制，它使得我们可以在同一个绘图区域绘制多个子图。
Original: https://blog.csdn.net/mr_songw/article/details/124404747
Author: mr_songw
Title: 第八章 使用 matplotlib 在一个画布内绘制多个图
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/764838/
转载文章受原作者版权保护。转载请注明原作者出处！