当前位置：物联沃-IOTWORD物联网 > 技术教程 > Python中的matplotlib教程：如何使用子图和图中图绘制多个图形
代码收藏家代码收藏家 技术教程

Python中的matplotlib教程：如何使用子图和图中图绘制多个图形

目录

1 前言&抛出问题：如何用matplotlib画多个图形？

1.1  matplotlib.pyplot里 figure下的层级，画布和图形的层级

1.2 根据 matplotlib.pyplot里 figure下的层级

1.2.1 情况1：一个画布里画图

1.2.2 情况2：代码里创建多个figure，分别作图

1.2.3 情况3：子图概念

1.2.4 情况4：图中图

2 用matplotlib 画多个函数图形

2.1 情况1：在一个画布的画图

2.2 情况2：在多个画布里，分别画图

3 情况3：一个画布里作图多个子图（多种方法）

3.1 用plt.subplot()方式绘制多子图

3.1.1 plt.subplot()基本语法

3.1.2 特殊点

3.1.3 测试代码

3.2 用plt.subplots() 方式绘制多子图

3.2.1 plt.subplots() 的基本语法

3.2.2 作图步骤

3.2.3 直接修改 plt.subplot的代码，修改为 plt.subplots

3.3  使用fig.add_subplot() 函数绘制图中图

3.3.1 基本语法

3.3.2 测试代码

4 情况4：用fig.add_axes() 实现图中图（其实是子图的一种）

4.1 基本语法

4.2 步骤

4.3  测试代码1

4.4 测试代码2

4.4.1 添加子图区域

4.4.2 定义子图区域的位置和大小 ax1=fig.add_axes([left, bottom, width, height])

4.4.3 设置图例和标题，都是每个子图区域单独一套（独立显示）

1 前言&抛出问题：如何用matplotlib画多个图形？

如果要画多个图形，可能有各种情况，我大致整理为下面4种：

  • 情况1
  • 情况2
  • 情况3
  • 情况4

    • 1.1  matplotlib.pyplot里 figure下的层级，画布和图形的层级

  • 第1层： figure  画布
  • 第2层： axes 子图
  • 第3层： axis 坐标轴

    • 1.2 根据 matplotlib.pyplot里 figure下的层级

    1.2.1 情况1：一个画布里画图

  • 可以在一个画布里只有1套坐标轴，画1个图形
  • 可以在一个画布里只有1套坐标轴，画多个图形，叠加显示在一起

    • 1.2.2 情况2：代码里创建多个figure，分别作图

  • 如果代码里有多个figure
  • 可以在每个figure画布里，有1套坐标轴和画1个图形

    • 1.2.3 情况3：子图概念

  • 代码里只有1个figure
  • 但是里面可以有多个子图：axes
  • 每个子图
    1. 包含一套坐标轴系
    2. 包含1个或多个图形

    1.2.4 情况4：图中图

  • 代码里有2个figure
  • 1个figure正常显示一个或多个图形
  • 另外一个figure，内嵌在这个figure里

    • 2 用matplotlib 画多个函数图形

    2.1 情况1：在一个画布的画图

  • 1张画布，1个坐标轴系，多个图形叠在一起
  • 这种情况下，图形比较适合进行对比，比较
    • import numpy as np
import matplotlib.pyplot as plt

fig1=plt.figure(num=1)

x=np.linspace(-5,5, 10)
y=x*2+1
y2=x**2

# 绘图
plt.plot(x, y)
plt.plot(x, y2)

# 显示图像
plt.show()

    2.2 情况2：在多个画布里，分别画图

  • 多张画布
  • 多个坐标轴系
  • 每个画布里分别包含1个/多个图形
    • import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(-5,5, 10)

fig1=plt.figure(num=1,figsize=(3,3))
y=x*2+1
# 绘图
plt.plot(x, y)

#新开一个画布
fig2=plt.figure(num=2,figsize=(5, 5))
y2=x**2
# 绘图
plt.plot(x, y2)

# 显示图像
plt.show()

     

    3 情况3：一个画布里作图多个子图（多种方法）

  • 1张画布
  • 多个坐标轴系
  • 分别包含1个图形
  • 且按内部序号排列，图形上按表格排列

    • 3.1 用plt.subplot()方式绘制多子图

    3.1.1 plt.subplot()基本语法

  • plt.subplot()方式绘制多子图，只需要传入简单几个参数即可：
  • plt.subplot(rows, columns, current_subplot_index)
  • 形如plt.subplot(2, 2, 1) 或者 plt.subplot(221)，其中：
    1. rows表示最终子图的行数;
    2. columns表示最终子图的列数;
    3. current_subplot_index表示当前子图的索引;
    4. 这几个参数是可以连写在一起的，同样可以被识别
    5. 例如：上面的plt.subplot(2, 2, 1)，写成plt.subplot(221)，两者是等价的。

    3.1.2 特殊点

  • plt.subplot()方式绘制多子图时，不需要先创建一个figure
  • #fig=plt.figure()  #可以不需要figure

    • 3.1.3 测试代码

    import numpy as np
import matplotlib.pyplot as plt

#fig=plt.figure()  #可以不需要figure

# 子图1,散点图
plt.subplot(2, 2, 1)
plt.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
plt.subplot(2, 2, 2)
plt.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
plt.subplot(2, 2, 3)
x = np.linspace(0, 5, 5)
plt.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
plt.subplot(2, 2, 4)
plt.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

    3.2 用plt.subplots() 方式绘制多子图

    3.2.1 plt.subplots() 的基本语法

    matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

  • nrows：默认为 1，设置图表的行数。
  • ncols：默认为 1，设置图表的列数。
  • sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 'none'、'all'、'row' 或 'col'。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 'all'：所有子图共享 x 轴或 y 轴，'row' 设置每个子图行共享一个 x 轴或 y 轴，'col'：设置每个子图列共享一个 x 轴或 y 轴。
  • squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N*1 或 1*N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1×1。
  • subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
  • gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
  • **fig_kw：把详细的关键字参数传给 figure() 函数。

    • 3.2.2 作图步骤

  • STEP1: 先设定figure 和 划分 axes子区域
  • STEP2: 分配每个子区域的位置
  • STEP3: 每个子区域单独作图

    • fig,axes=plt.subplots(2,2)

    ax1=axes[0,0]

    ax2=axes[0,1]

    ax3=axes[1,0]

    ax4=axes[1,1]

    # 子图1,散点图
    ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

    3.2.3 直接修改 plt.subplot的代码，修改为 plt.subplots

    import numpy as np  
import matplotlib.pyplot as plt

# 把上面subplot代码改写为subplots

x = np.arange(0, 100)  
#划分子图
fig,axes=plt.subplots(2,2)
ax1=axes[0,0]
ax2=axes[0,1]
ax3=axes[1,0]
ax4=axes[1,1]

# 子图1,散点图
ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
ax2.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
x = np.linspace(0, 5, 5)
ax3.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
ax4.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

    3.3  使用fig.add_subplot() 函数绘制图中图

    3.3.1 基本语法

  • fig.add_subplot(2,2,1) 
  • 这个语法和 plt.subplot() 相似
  • 但是差别就是，这个是动态的设计子图

    • 对比

    方式1: plt.subplot()

  • plt.subplot(2, 2, 1)

    • 方式2: fig.add_subplot()

  • ax1=fig.add_subplot(2,2,1) 
  • ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

    • 3.3.2 测试代码

    import numpy as np  
import matplotlib.pyplot as plt

# 把上面subplot代码改写为，动态的fig.add_subplot()

#新建figure对象
fig=plt.figure()

x = np.arange(0, 100)  
#划分子图

# 子图1,散点图
ax1=fig.add_subplot(2,2,1)    
ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
ax2=fig.add_subplot(2,2,2)    
ax2.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
ax3=fig.add_subplot(2,2,3)    
x = np.linspace(0, 5, 5)
ax3.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
ax4=fig.add_subplot(2,2,4)    
ax4.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

    4 情况4：用fig.add_axes() 实现图中图（其实是子图的一种）

    4.1 基本语法

  • fig.add_axes([left, bottom, width, height])
  • 本质和上面用 fig.add_axes(）实现多子图的方法差不多
  • 所以，可以认为 图中图是另外一种形式的子图

    • 4.2 步骤

  • STEP1:  创建子图 ax1 = fig.add_axes([left, bottom, width, height])
  • STEP2:  在子图中，画图，ax1.plot(x, y, 'r')
  • STEP3:  标准子图的标题，ax1.set_title('area1')

    • 4.3  测试代码1

    import numpy as np  
import matplotlib.pyplot as plt  

#新建figure
fig = plt.figure()

# 定义数据
x = np.linspace(1,10,100)
y = np.cos(x)
#新建区域ax1

#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 获得绘制的句柄
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_title('area1')


#新增区域ax2,嵌套在ax1内
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x,y, 'b')
ax2.set_title('area2')
plt.show()

    4.4 测试代码2

    可以清晰的发现，图中图，就是子图的一种表现形式

    4.4.1 添加子图区域

    下面就是在figure里添加一个子图区域

  • ax1=fig.add_axes([0.1,0.1,0.7,0.7])

    • 4.4.2 定义子图区域的位置和大小 ax1=fig.add_axes([left, bottom, width, height])

  • 下面2种写法相同
  • ax1=fig.add_axes([left, bottom, width, height])
  • 含义
  • fig.add_axes([X起点百分比, Y起点百分比, X长度百分比, Y长度百分比])
  • 写法1：
    1. left, bottom, width, height =0.1,0.1,0.7,0.7
    2. ax1=fig.add_axes([left, bottom, width, height])
  • 写法2：
    1. ax1=fig.add_axes([0.1,0.1,0.7,0.7])

    4.4.3 设置图例和标题，都是每个子图区域单独一套（独立显示）

  • 如果加的是 plt.plot(,label="") 则必须匹配一个 plt.legend() 显示图例，并且是每个子图都需要一个单独的plt.legend()
  • ax2.set_title("title: y=cos(x)") 可以单独设置每个figure的标题，也是每个子图区域单独一套
    • import numpy as np
import matplotlib.pyplot as plt


x1=np.linspace(-10,10,100)
y1=np.exp(x1)
x2=np.arange(-10,10,0.1)
y2=np.cos(x2)

fig=plt.figure()

#同left, bottom, width, height =0.1,0.1,0.7,0.7
#ax1=fig.add_axes([left, bottom, width, height])
ax1=fig.add_axes([0.1,0.1,0.7,0.7])
ax1.plot(x1,y1,"b",label="y=e^x")
plt.legend(loc="lower left")
ax1.set_title("title: y=e^x")

ax2=fig.add_axes([0.15,0.4,0.3,0.3])
ax2.plot(x2,y2,"r",label="y=cos(x)")
plt.legend(loc="lower left")
ax2.set_title("title: y=cos(x)")

plt.show()

    您可能感兴趣的内容:

    物联沃分享整理
    物联沃-IOTWORD物联网 » Python中的matplotlib教程：如何使用子图和图中图绘制多个图形

    代码收藏家 普通

    分享到：

    相关推荐

    发表评论