子图

前言

子图是指说绘制的图形是有多个图形组成的，通过子图能否进行数据的不同比较。其主要是通过subplot方法实现的。
其中有规范划分和不规则划分。

subplot(numRows, numCols, plotNum)
numRows:子图总行数
numCols:子图总列数
plotNum:子图编号(从左到右，从上到下从1开始编号)

规范划分

就是子图的大小一致，一个萝卜一个坑。

代码

mport matplotlib.pyplot as plt
import numpy as np


x=np.arange(1,100)

plt.subplot(221)
plt.plot(x,x)

plt.subplot(222)
plt.plot(x,-x)

plt.subplot(223)
plt.plot(x,x*x)

plt.subplot(224)
plt.plot(x,np.log(x))

plt.show()

展示

规范划分

不规范划分

通过将一个萝卜占两个坑和多个坑来实现。
其中主要通过numRows和numCols来进行不规则划分的，如何更好的理解呢，就是在原有的划分中剩下的部分它可以重新进行行列，其中第3个参数是根据不规则划分原则进行编号得到的编号，其中若有空缺没有划分也应按区域编号。其中有重叠会发生覆盖。

代码一

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(1,100)

plt.subplot(221)
plt.plot(x,x)

plt.subplot(222)
plt.plot(x,-x)

plt.subplot(212)
plt.plot(x,x*2)
plt.show()

展示

代码一

代码二

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(1,100)

plt.subplot(221)
plt.plot(x,x)

plt.subplot(223)
plt.plot(x,-x)

plt.subplot(122)
plt.plot(x,x*2)
plt.show()

展示

代码二

代码三

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(1,100)

plt.subplot(331)
plt.plot(x,x)

plt.subplot(332)
plt.plot(x,-x)

plt.subplot(313)
plt.plot(x,x*2)
plt.show()

展示

代码三

代码四

import numpy as np
import matplotlib.pyplot as plt

x=np.arange(1,100)

plt.subplot(331)
plt.plot(x,x)

plt.subplot(332)
plt.plot(x,-x)

plt.subplot(312)
plt.plot(x,x*2)
plt.show()

展示

代码四

后记

其中难点在于不规则划分，同时乐趣也在于不规则划分的挑战，我相信不规则划分可以画出更多更好玩的图形，先就到这里了，不太理解的多看看上面的代码和图形之间的对比就了解了。