matplotlib图形整合之多个子图一起绘制

简介: matplotlib图形整合之多个子图一起绘制

简单了解多子图

学习matplotlib的时候,有人肯定会觉得为啥不用Excel,为啥不用origin,为啥不直接使用软件,其实matplotlib绘图之所以在python领域经久不衰,是有它的独特之处的,我认为这其中的一个亮点就是,matplotlib绘制多个子图的时候,我们可以根据自己的想法去排列子图的顺序,也可以生成不同的子图数量,类似于前端web可视化大屏,有着较好的用户体验感!


image.png

使用plt.subplot(mnx) 分别绘制


# -*- coding: utf-8 -*-
import matplotlib as mpl
import matplotlib.pyplot as plt
t=np.arange(0.0,2.0,0.1)
s=np.sin(t*np.pi)
plt.subplot(2,2,1) #要生成两行两列,这是第一个图
plt.plot(t,s,'b*')
plt.ylabel('y1')
plt.subplot(2,2,2) #两行两列,这是第二个图
plt.plot(2*t,s,'r--')
plt.ylabel('y2')
plt.subplot(2,2,3)#两行两列,这是第三个图
plt.plot(3*t,s,'m--')
plt.ylabel('y3')
plt.subplot(2,2,4)#两行两列,这是第四个图
plt.plot(4*t,s,'k*')
plt.ylabel('y4')
plt.show()


image.png


使用plt.subplot()方法,生成子图,规则总结如下:


第一个数字是行,第二个数字是列,第三个数字是个数(图形所处顺序的序号)


例如:224就是生成两行两列的子图,本图形是第四个,那么就是第二行第二列的图形


那么有时候,有些人觉得这样太麻烦了,每次生成都要在绘图程序前面加一行这样的代码,为什么不可以一次性生成我需要的画布呢?答案是可以的!


使用plt.subplots(m,n),可以一次性生成m行n列的字图


注意前面需要figure和ax进行接收


调用就和我们数组一样!


使用plt.subplots(m,n)一次性绘制


# -*- coding: utf-8 -*-
import matplotlib as mpl
import matplotlib.pyplot as plt
t=np.arange(0.0,2.0,0.1)
s=np.sin(t*np.pi)
c=np.cos(t*np.pi)
figure,ax=plt.subplots(2,2) # 多行subplots得到的ax数组是二维的
ax[0][0].plot(t,s,'r*')
ax[0][1].plot(t*2,s,'b--')
ax[1][0].plot(t,c,'g*')
ax[1][1].plot(t*2,c,'y--')

image.png

# -*- coding: utf-8 -*-
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
t=np.arange(0.0,2.0,0.1)
s=np.sin(t*np.pi)
c=np.cos(t*np.pi)
figure,ax=plt.subplots(1,2,figsize=(6,2),dpi=120)  # 一行subplots得到的ax数组是一维的
ax[0].plot(t,s,'r*')
ax[1].plot(t*2,s,'b--')
 plt.subplots(nrows=1,ncols=3,figsize=(5,5))
#plt.subplots(nrows=1,ncols=3)
# 返回一个figure对象,和一个axesSubplot子图对象的数组
# 行或者列等于1,返回一个一维数组


加一个plt.tight_layout()会使得图形更加紧凑

1. plt.tight_layout()
2. plt.subplots(nrows=2,ncols=3, figsize=(12,8))  # 如果行列都不为1,


image.png


plt.subplots(nrows=3,ncols=4) # 如果行和列都大于1,返回1个Figure对象,和1个包含3*4=12个子图对象的矩阵(2维数组)
# 341      342      343      344
# 345      346      347      348
# 349      3,4,10   3,4,11   3,4,12

image.png


高级进阶

1. plt.subplot(121)
2. plt.subplot(222)
3. plt.subplot(224)


看到上面你会想到什么?会生成怎样的画布呢?


image.png


下面我就给大家详细的解释一下,为啥会出现这样的画布,首先我的需求是在左边出现一个子图,比较长的,最好是右边两个子图的长度和,那么应该怎么做呢?遇到这样的情况我们仍然需要把这一个平面分成均等分,那么也就是四个。


当我们画一个左边的图的时候,我们应该把画布想象为一行两列的画布,第一个自然也就是121


当我们画右边的图形的时候,我们应该把画布想象为两行两列的画布,右边第一个自然就是222,第二个自然就是224。


下面我们可以多看几个,来验证我们得推论


plt.subplot(221)
plt.subplot(223)
plt.subplot(122)

image.png


plt.subplot(211)
plt.subplot(223)
plt.subplot(224)

image.png


plt.subplot(221)
plt.subplot(222)
plt.subplot(212)


image.png



plt.figure(figsize=(12,5))
plt.subplot(231)
plt.subplot(233)
plt.subplot(234)
plt.subplot(236)
plt.subplot(132)


image.png


plt.figure(figsize=(16,5))
plt.subplot(262)
plt.subplot(265)
plt.subplot(268)
plt.subplot(2,6,11)
plt.subplot(132)

image.png

注意这个间隙是自动产生的,如果需要将间隙变的更大,那么就可以取最左边的值和最右边的值


注意这个间隙是自动产生的,如果需要将间隙变的更大,那么就可以取最左边的值和最右边的值


plt.figure(figsize=(16,5))
plt.subplot(241)
plt.subplot(244)
plt.subplot(245)
plt.subplot(2,4,8)
plt.subplot(132)


image.png

总结

在生成上面案例的时候,我们需要利用Excel进行编排,不然很容易出错的!


相关文章
|
1月前
|
存储 编解码 数据可视化
【Matplotlib】figure方法之图形的保存
【Matplotlib】figure方法之图形的保存
52 1
|
2月前
|
数据可视化 Python
GEE Colab——如何利用Matplotlib在colab中进行图形制作
GEE Colab——如何利用Matplotlib在colab中进行图形制作
52 3
|
1月前
|
编解码 数据可视化 索引
【Matplotlib】Figure图形中的图表元素怎么获取,你掌握了吗!?
【Matplotlib】Figure图形中的图表元素怎么获取,你掌握了吗!?
20 1
|
1月前
|
数据可视化 搜索推荐 关系型数据库
深入了解Matplotlib中的子图创建方法
深入了解Matplotlib中的子图创建方法
41 0
|
3月前
|
Python
Matplotlib figure图形对象
Matplotlib figure图形对象
52 1
|
6月前
|
数据可视化 关系型数据库 索引
【100天精通Python】Day63:Python可视化_Matplotlib绘制子图,子图网格布局属性设置等示例+代码
【100天精通Python】Day63:Python可视化_Matplotlib绘制子图,子图网格布局属性设置等示例+代码
93 0
|
8月前
|
Python
Python-matplotlib | 绘制双y轴图形(图例设置)
Python-matplotlib | 绘制双y轴图形(图例设置)
|
9月前
|
数据可视化 API Python
高级 Matplotlib:3D 图形和交互性
Matplotlib 是 Python 中最重要的数据可视化库之一。在之前的文章中,我们讨论了如何使用基础和中级功能来创建各种图形。在本文中,我们将深入研究 Matplotlib 的高级特性,特别是如何创建 3D 图形和交互式图形。
|
10月前
|
编解码 数据可视化 数据挖掘
【Matplotlib】绘制图形
【Matplotlib】绘制图形
145 0
|
数据可视化 Python
可视化库Matplotlib-子图
可视化库Matplotlib-子图
可视化库Matplotlib-子图