Python--plt.subplot 和 plt.figure用法

本文介绍了如何在Python中使用plt.subplot创建多张子图,以及如何通过plt.figure调整图片大小,包括示例代码展示如何绘制散点图、线图和设置网格线。
摘要由CSDN通过智能技术生成

Python–plt.subplot 和 plt.figure用法(仅供参考)

绘制子图

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

x = np.arange(0, 20, 0.25)

plt.figure(figsize=(6, 4))

plt.subplot(211)  #构建2x1张图中的第1张子图
plt.axis([0,20,-3,3])
plt.scatter(x, np.cos(x),alpha=0.8)
plt.grid(True)  # 设置网格线

plt.subplot(223)  #构建2x2张图中的第3张子图
plt.axis([0,20,-3,3])
plt.scatter(x, np.sin(x),c='#00CED1',alpha=0.2)
plt.grid(True)  # 设置网格线

plt.subplot(224)  #构建2x2张图中的第4张子图
plt.axis([0,20,-3,3])
plt.plot(x, np.sin(x),'r-.')

plt.grid(True)  # 设置网格线

#plt.legend()
plt.show()

在这里插入图片描述

改变图片大小

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 20, 0.01)

plt.figure(figsize=(4, 3))
plt.plot(x, np.sin(x), 'r-',label='sin(x)')
plt.plot(x, np.cos(x), 'b--',label='cos(x)')
plt.axis([0,20,-3,3])
plt.legend()
plt.show()

plt.figure(figsize=(8, 4))
plt.plot(x, np.sin(x), 'r-',label='sin(x)')
plt.plot(x, np.cos(x), 'b--',label='cos(x)')
plt.axis([0,20,-3,3])
plt.legend()
plt.show()

在这里插入图片描述
在这里插入图片描述

这段代码是用于绘制三个不同的正弦函数的图像,并且使用了 matplotlib 库进行绘制,并使用了子图的方式展示图像。具体解释如下: 1. 导入 numpy 和 matplotlib 库: ```python import numpy as np import matplotlib.pyplot as plt ``` 2. 利用 numpy 库中的 `linspace` 函数生成一个包含 500 个元素的数组: ```python x = np.linspace(0, 2*np.pi, 500) ``` 这个数组表示从 0 到 2π 的等差数列,共有 500 个元素。 3. 利用 numpy 库中的 `sin` 和 `cos` 函数分别计算三个不同的正弦函数的值: ```python y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x*x) ``` 4. 利用 matplotlib 库中的 `figure` 函数创建一个绘图窗口,并设置窗口的编号为 1: ```python plt.figure(1) ``` 5. 利用 matplotlib 库中的 `subplot` 函数创建三个子图,并将第一个子图的编号设为 (2, 2, 1),第二个子图的编号设为 (2, 2, 2),第三个子图的编号设为 (2, 1, 2),其中最后一个子图的背景色为黄色: ```python ax1 = plt.subplot(2, 2, 1) ax2 = plt.subplot(2, 2, 2) ax3 = plt.subplot(212, facecolor='y') ``` 6. 利用 matplotlib 库中的 `sca` 函数选择要绘制图像的子图: ```python plt.sca(ax1) plt.plot(x, y1, color='red') plt.ylim(-1.2, 1.2) plt.sca(ax2) plt.plot(x, y2, 'b--') plt.ylim(-1.2, 1.2) plt.sca(ax3) plt.plot(x, y3, 'g--') plt.ylim(-1.2, 1.2) ``` 第一段代码选择第一个子图,绘制红色的正弦函数曲线,然后限制 y 坐标轴的范围为 -1.2 到 1.2 之间。第二段代码选择第二个子图,绘制蓝色的余弦函数曲线,然后限制 y 坐标轴的范围为 -1.2 到 1.2 之间。第三段代码选择第三个子图,绘制绿色的正弦函数曲线,然后限制 y 坐标轴的范围为 -1.2 到 1.2 之间。 7. 利用 matplotlib 库中的 `show` 函数显示绘图窗口: ```python plt.show() ``` 最后,生成了一个编号为 1 的绘图窗口,该窗口包含三个子图,分别展示了三个不同的正弦函数的图像。其中第一个子图展示了红色的正弦函数曲线,第二个子图展示了蓝色的余弦函数曲线,第三个子图展示了绿色的正弦函数曲线,每个子图的 y 坐标轴范围都被限制在 -1.2 到 1.2 之间。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值