使用Matplotlib對(duì)分析結(jié)果可視化時(shí)，比較各類分析結(jié)果是常見(jiàn)的場(chǎng)景。
在這類場(chǎng)景之下，將多個(gè)分析結(jié)果繪制在一張圖上，可以幫助用戶方便地組合和分析多個(gè)數(shù)據(jù)集，提高數(shù)據(jù)可視化的效率和準(zhǔn)確性。

本篇介紹Matplotlib繪制子圖的常用方式和技巧。

1. 添加子圖的方式

添加子圖主要有兩種方式，

一種是函數(shù)式風(fēng)格：（也就是上一篇畫(huà)布中介紹的方式）

import numpy as np
import matplotlib
import matplotlib.pyplot as plt
%matplotlib inline
x = np.array(range(0, 8))
fig = plt.figure(figsize=[6,4])
fig.add_subplot(211) # 2行1列的第一個(gè)
y = np.random.randint(1, 100, 8)
plt.plot(x, y)
fig.add_subplot(212) # 2行1列的第二個(gè)
y = np.random.randint(1, 100, 8)
plt.plot(x, y)

另一種是面向?qū)ο箫L(fēng)格：（使用 Axes 對(duì)象）

x = np.array(range(0, 8))
fig, ax = plt.subplots(1, 2)  # 設(shè)置子圖1行2列
y = np.random.randint(1, 100, 8)
ax[0].plot(x, y)
y = np.random.randint(1, 100, 8)
ax[1].plot(x, y)

上面設(shè)置好子圖的布局之后，添加子圖的順序是從上到下，從左到右。

2. 子圖的布局

子圖的布局是按照行列設(shè)置的，設(shè)置之后，相應(yīng)的位置可以添加子圖。

x = np.array(range(0, 8))
rows, cols = 2, 2  # 2行2列，4個(gè)子圖
fig, ax = plt.subplots(rows, cols)
for i in range(rows):
    for j in range(cols):
        y = np.random.randint(1, 100, 8)
        ax[i, j].plot(x, y) # i，j定位子圖的位置

子圖按照網(wǎng)格布局時(shí)，我們看到上面4個(gè)子圖的Y軸刻度不一樣，這樣不利于比較。

x = np.array(range(0, 8))
rows, cols = 2, 2  # 2行2列，4個(gè)子圖
fig, ax = plt.subplots(rows, cols, sharey='all')
for i in range(rows):
    for j in range(cols):
        y = np.random.randint(1, 100, 8)
        ax[i, j].plot(x, y) # i，j定位子圖的位置

設(shè)置 sharey='all'之后，Y軸刻度保持一致，這樣比較曲線才有意義。

上面的示例中 X軸刻度是一致的，如果不一致，可以用 sharex 屬性來(lái)設(shè)置。

3. 復(fù)雜的布局

3.1. 不規(guī)則的網(wǎng)格

除了規(guī)則的網(wǎng)格布局，還可以通過(guò) GridSpec 設(shè)置不規(guī)則的網(wǎng)格。

比如：

rows, cols = 3, 3
grid = plt.GridSpec(rows, cols)
plt.subplot(grid[0, :2])
plt.subplot(grid[0, 2])
plt.subplot(grid[1, 0])
plt.subplot(grid[1, 1:])
plt.subplot(grid[2, :])

上例中設(shè)置了3行3列的網(wǎng)格，但是不是每個(gè)圖形占用幾個(gè)網(wǎng)格是可以調(diào)整的。

3.2. 嵌套圖形

除了網(wǎng)格，還可以通過(guò)相對(duì)定位的方式來(lái)繪制多個(gè)子圖。

fig = plt.figure()
fig.add_axes([0.1, 0.1, 1, 1])
fig.add_axes([0.3, 0.3, 0.3, 0.3])
fig.add_axes([0.7, 0.6, 0.3, 0.2])

上面按相對(duì)位置添加子圖的函數(shù) add_axes的參數(shù)是一個(gè)4元列表。

這個(gè)列表4個(gè)元素的含義：

• 第一個(gè)元素表示子圖左下角距離畫(huà)布左邊的距離占畫(huà)布總寬度的比例
• 第二個(gè)元素表示子圖左下角距離畫(huà)布底邊的距離占畫(huà)布總高度的比例
• 第三個(gè)元素表示子圖寬度占畫(huà)布總寬度的比例
• 第三個(gè)元素表示子圖高度占畫(huà)布總高度的比例

注意，這里的4個(gè)值都是比例。

4. 總結(jié)回顧

Matplotlib 中的每個(gè)子圖可以有自己的標(biāo)簽、大小、位置和樣式，可以方便地組合成一個(gè)復(fù)雜的圖形。

我們一般在下列場(chǎng)景中使用子圖：

• 數(shù)據(jù)可視化：將多個(gè)數(shù)據(jù)集在同一張圖中顯示，進(jìn)行對(duì)比和分析。
• 圖表組合：將多個(gè)圖表組合在一起，形成一個(gè)綜合性的圖形。
• 數(shù)據(jù)分析：將多個(gè)數(shù)據(jù)集在同一張圖中顯示，進(jìn)行篩選和篩選。
• 可視化規(guī)范化：將多個(gè)來(lái)源不同的數(shù)據(jù)集在同一張圖中顯示，保證圖形的一致性和準(zhǔn)確性。

到此這篇關(guān)于Matplotlib繪圖基礎(chǔ)之子圖詳解的文章就介紹到這了,更多相關(guān)Matplotlib子圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論