数据可视化：子图的布局

一、约束布局

      约束布局是指通过一系列限制来确定画布中元素的位置的方式，它预先会确定一个元素的绝对定位，之后以该元素的位置为基点对其他元素进行绝对定位，从而灵活地调整元素的位置。

      matplotlib在绘制多子图时默认并未启用约束布局，它提供了两种方式启用约束布局：

      第一种方式是使用subplots( )或 figure( )函数的constrained_layout 参数；

      第二种方式是修fgure.constrained_layout.use配置项。
（1）使用constrained_layout 参数

plt.subplots(constrained_layout=True)

（2）修改figure.constrained_layout.use配置项

plt.rcParams['figure.constrained_layout.use'] = True

此外，Figure类对象还可以提供以下方法使用和设置约束布局。

1.set_constrained_layout( )：设置是否使用约束布局。

2.set_constrained_layout_pads( )：设置子图的内边距。

二、紧密布局

       matplotlib中紧密布局与约束布局相似，它采用紧凑的形式将子图排列到画布中，仅适用
于刻度标签、坐标轴标签和标题位置的调整。

     pyplot 中提供了两种实现紧密布局的方式：

     第一种方式是调用tight_layout( )函数。

tight_layout(pad=1.08,h_pad=None,w_pad=None,rect=None)

   第二种方式是修改figure.autolayoutrcParam配置项。

plt.rcParams['figure.autolayoutrcParam'] =True

三、自定义布局

      matplotlib的gridspee模块是专门指定画布中子图位置的模块，该模块中包含一个GridSpcc 类，通过显式地创建GridSpec类对象来自定义画布中子图的布局结构，使得子图能够更好地适应画布。

GridSpec类的构造方法的语法格式如下：

Gridspec(nrows, ncols, figure=None, left=None,bottom=None, right=None,
top=None, wspace=None, hspace=None, width_ratios=None, height_ratios=None)

该方法常用参数的含义如下。
·nrows：表示行数。
·ncols：表示列数。
·figure：表示布局的画布。
· left，bottom，right，top：表示子图的范围。

·wspace：表示子图之间预留的宽度量。

·hspace：表示子图之间预留的高度量。

创建自定义的布局结构有：GridSpec( )方法创建子图的布局结构

                                           使用add_gridspec( )方法向画布添加布局结构

（1）使用GridSpec( )方法创建子图的布局结构

这种方式需要创建子图和GridSpec类对象，之后在调用add_subplot( )方法时传入GridSpec类对象即可，具体示例如下：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig2 = plt.figure()
spec2 = gridspec.GridSpec(ncols=2, nrows=2, figure=fig2)

f2_axl = fig2.add_subplot(spec2[0,0])
f2_ax2 = fig2.add_subplot(spec2[0,1])
f2_ax3 = fig2.add_subplot(spec2[1,0])
f2_ax4 = fig2.add_subplot(spec2[1,1])

plt.show ()

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure()

spec = gridspec.GridSpec(ncols=2, nrows=2, figure=fig,
                         height_ratios=[2,3],width_ratios=[2,1])

axl = fig.add_subplot(spec[0,0])
ax2 = fig.add_subplot(spec[0,1])
ax3 = fig.add_subplot(spec[1,0])
ax4 = fig.add_subplot(spec[1,1])

plt.show ()