matplotlib多子圖實現(xiàn)共享坐標軸的示例詳解

更新時間：2024年02月01日 13:56:10 作者：微小冷

這篇文章主要為大家詳細介紹了matplotlib繪制多子圖師如何實現(xiàn)共享坐標軸,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下

共用坐標

當一個圖像中有多個子圖時，若這些子圖坐標的含義相同，那么省略一些坐標可以讓圖像更加簡潔。在matplotlib中，通過sharex或者sharey可以起到共享x或y軸坐標的作用。示例如下

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5,5,100)
ys = [np.sin(x+i) for i in range(5)]

fig,axes = plt.subplots(2,2,sharex=True, sharey=True)

axes = axes.reshape(-1)
for i in range(4):
    axes[i].plot(x, ys[i])

plt.show()

效果如下，左上角的子圖沒有x刻度值，右下角則沒有y刻度值，右上角則什么坐標軸也沒有。

添加共享軸

直接通過subplots來創(chuàng)建圖窗和坐標軸，盡管用一行代碼解決了很多問題，但相應地也不夠靈活，而靈活添加坐標軸的函數(shù)add_subplot也有sharex和sharey的參數(shù)，但二者并不是布爾型參數(shù)，而是需要輸入希望共享的坐標軸。

fig = plt.figure()
ax3 = fig.add_subplot(223)
ax3.plot(x,ys[2])

ax1 = fig.add_subplot(221, sharex=ax3)
ax1.plot(x[:50],ys[0][:50])

ax4 = fig.add_subplot(224, sharey=ax3)
ax4.plot(x[50:],ys[3][50:])

ax2 = fig.add_subplot(222, sharex=ax4, sharey=ax1)
ax2.plot(x,ys[1])

plt.show()

效果如下，一方面，從各坐標軸的坐標來看，的確實現(xiàn)了坐標共享，但并沒有像subplots中一樣，直接隱藏不必要的坐標刻度。

為了達到和subplots相同的效果，需要手動隱藏坐標刻度，如將代碼改為下面的形式，即可實現(xiàn)目標

fig = plt.figure()
ax3 = fig.add_subplot(223)
ax3.plot(x,ys[2])

ax1 = fig.add_subplot(221, sharex=ax3)
ax1.plot(x[:50],ys[0][:50])
ax1.tick_params(axis="x", labelbottom=False)

ax4 = fig.add_subplot(224, sharey=ax3)
ax4.plot(x[50:],ys[3][50:])
ax4.tick_params(axis="y", labelleft=False)

ax2 = fig.add_subplot(222, sharex=ax4, sharey=ax1)
ax2.plot(x,ys[1])
ax2.tick_params(axis="x", labelbottom=False)
ax2.tick_params(axis="y", labelleft=False)

plt.show()

灰度直方圖

上面示例中那幾個子圖，彼此之間區(qū)別不大，放在一張圖中是完全沒問題的，但有些情況則不適合放在一張圖中，比如對于一張圖片來說，想知道其水平方向上灰度強度的分布，就比較適合坐標。

path = r'lena.jpg'
img = plt.imread(path)

xs = [np.sum(img[:,:,i],0) for i in range(3)]
ys = [np.sum(img[:,:,i],1) for i in range(3)]

fig = plt.figure()
gs = fig.add_gridspec(2, 2,
    width_ratios=(4, 1),
    height_ratios=(1, 4))

ax = fig.add_subplot(gs[1, 0])
ax.imshow(img)        # 散點圖繪制
plt.axis('off')

xHist = fig.add_subplot(gs[0, 0], sharex=ax)
xHist.tick_params(axis="x", labelbottom=False)

yHist = fig.add_subplot(gs[1, 1], sharey=ax)
yHist.tick_params(axis="y", labelleft=False)

colors = 'rgb'
for i in range(3):
    xHist.plot(xs[i], color=colors[i])
    yHist.plot(ys[i], np.arange(len(ys[i])),color=colors[i])

plt.show()

由于lena圖有3個通道，所以在對每行或者每列像素求和時，選擇分別對三個通道進行操作。而后在繪制曲線時，對三個通道的值也使用了不同的顏色方案。通過tick_params函數(shù)，取消了上圖底部和右圖左側的坐標刻度。

最后得圖如下