subplots()--matplotlib

最新推荐文章于 2024-06-18 23:59:36 发布
最新推荐文章于 2024-06-18 23:59:36 发布
阅读量2.1k 收藏 19
点赞数 5
分类专栏： Matplotlib 文章标签： matplotlib python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/chongbaikaishi/article/details/127516079
版权

1. 函数功能

成一个画布和若干子区。

2. 函数语法

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, 
gridspec_kw=None, **fig_kw)

3. 函数参数与示例

参数含义
nrows, ncols画布被分成的行、列数
squeeze布尔值，是否压缩维度，默认取值为True：当取值为True时，1. 若只创建一个子区，则返回子区是一个标量；2. 若是N1或者1M个子区，则返回1维子区对象；3. 若为N*M（N>1且M>1）则返回二维数组。当取值为False时，总是返回二维数组
width_ratios每一列的相对宽度，默认每列宽度相等，可以指定宽度： width_ratios[i] / sum(width_ratios)
height_ratios每一行的相对高度，默认每列高度相等，可以指定宽度： height_ratios[i] / sum(height_ratios)
subplot_kw定义子区属性的关键字参数，如：绘图区域的背景颜色： facecolor
gridspec_kw
**fig_kw传递给figure对象的其他关键字

3.1 nrows与ncols

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

fig, ax = plt.subplots(2, 3, facecolor='y', alpha=0.3)
plt.show()

在这里插入图片描述

3.2 生成画布与1个绘图区域

3.2.1 squeeze=False

当squeeze参数取值为False，不压缩维度时，虽然只有一个绘图区域，绘图区域ax的返回结果依然为二维数组，因此，设定绘图区域的内容需要使用行列索引

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2 * np.pi, 500)
y = np.sin(x) * np.cos(x)

fig, ax = plt.subplots(1, 1, squeeze=False,
                       subplot_kw=dict(facecolor='cornflowerblue', alpha=0.3))
ax[0,0].plot(x, y, ls='--', color='k', lw=2)
ax[0,0].set_xlabel('时间(s)')
ax[0,0].set_ylabel('振幅')
ax[0,0].set_title('简单折线图')
ax[0,0].grid(ls=':', lw=1, color='gray', alpha=0.8)
plt.show()

在这里插入图片描述

3.2.2 squeeze=True

当squeeze参数取值为True，压缩数组维度，产生一个绘图区域时返回一个标量，此时可以使用ax

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2 * np.pi, 500)
y = np.sin(x) * np.cos(x)

fig, ax = plt.subplots(1, 1, squeeze=True,
                       subplot_kw=dict(facecolor='cornflowerblue', alpha=0.3))
ax.plot(x, y, ls='--', color='k', lw=2)
ax.set_xlabel('时间(s)')
ax.set_ylabel('振幅')
ax.set_title('简单折线图')
ax.grid(ls=':', lw=1, color='gray', alpha=0.8)
plt.show()

3.3 生成画布与N1个子区或1M个子区

3.3.1 N*1个子区

当squeeze取值为False时，ax返回二维数组；当squeeze取值为True时，ax返回一维数组。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2 * np.pi, 500)
y = np.sin(x) * np.cos(x)

fig, ax = plt.subplots(2, 1, squeeze=True,
                       subplot_kw=dict(facecolor='lightgreen', alpha=0.3))
ax[1].plot(x, y, ls='--', color='k', lw=2)
ax[0].set_xlabel('时间(s)')
ax[0].set_ylabel('振幅')
ax[0].set_title('简单折线图')
ax[0].grid(ls=':', lw=1, color='gray', alpha=0.8)
plt.show()

在这里插入图片描述

3.3.2 1*M个子区

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2 * np.pi, 500)
y = np.sin(x) * np.cos(x)
y1 = x
fig, ax = plt.subplots(1, 3, squeeze=True,
                       subplot_kw=dict(facecolor='lightgreen', alpha=0.3))
ax[1].plot(x, y, ls='--', color='k', lw=2)
ax[0].set_xlabel('时间(s)')
ax[0].set_ylabel('振幅')
ax[0].set_title('简单折线图')
ax[2].plot(x, y1, ls=':', c='r')
ax[2].grid(ls=':', lw=1, color='gray', alpha=0.8)
plt.show()

在这里插入图片描述

3.4 N*M个子区（N>1,M>1）

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2 * np.pi, 500)
y = np.sin(x) * np.cos(x)
y1 = x
y2 = x ** 2
y3 = np.tan(x)
fig, ax = plt.subplots(2, 2, squeeze=False,
                       subplot_kw=dict(facecolor='snow', alpha=0.3, polar=True))
ax[0, 0].plot(x, y, ls='--', color='k', lw=2)
ax[0, 1].plot(x, y1, c='r')
ax[1, 0].plot(x, y2, ls=':', c='g', lw=2)
ax[1, 1].plot(x, y3, c='m')
plt.show()

在这里插入图片描述

3.5 sharex与sharey取值为布尔值

3.5.1 sharex与sharey均为False

当sharex=Fasle；sharey=False，每个子区的坐标轴均相互独立

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x1 = np.linspace(0, 2 * np.pi, 500)
x = np.arange(0,10,0.5)
y = np.sin(x1) * np.cos(x1)
y1 = x1
y2 = x ** 2
y3 = np.tan(x)

fig, ax = plt.subplots(2, 2, sharex=False, sharey=False)
ax[0, 0].plot(x1, y, ls='--', color='k', lw=2)
ax[0, 1].plot(x1, y1, c='r')
ax[1, 0].plot(x, y2, ls=':', c='g', lw=2)
ax[1, 1].plot(x, y3, c='m')
plt.show()

在这里插入图片描述

3.5.2 sharex=True,sharey=False

当sharex=True；sharey=False，每个子区共享x轴，每个子区的y轴相互独立

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

在这里插入图片描述

3.5.3 sharex=False,sharey=True

当sharex=False；sharey=TRUE，每个子区x轴刻度相互独立，所有子区共享y轴

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

在这里插入图片描述

3.5.4 sharex=TRUE,sharey=True

当sharex=False；sharey=TRUE，每个子区共享x轴，每个子区共享y轴

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

在这里插入图片描述

3.5 总结

取值含义
sharex=True, sharey=True所有子区共享相同的x轴与y轴
sharex=True, sharey=False所有子区共享相同的x轴，每个子区使用各自独立的y轴
sharex=False, sharey=True每个子区使用各自独立的x轴， 所有子区共享相同的y轴
sharex=False, sharey=False每个子区均使用各自独立的x轴与y轴，默认情况

3.6 sharex与sharey取值为{‘none’, ‘all’, ‘row’, ‘col’}

3.6.1 sharex=‘none’ 且 sharey=‘none’

这种情况下相当于sharex=False,sharey=Fasle;每个子区的坐标轴均相互独立

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x1 = np.linspace(0, 2 * np.pi, 500)
y1 = x1
x2 = np.arange(0,10,0.5)
y2 = np.sin(x2) * np.cos(x2)
x3 = np.linspace(0,  np.pi, 500)
y3 = np.tan(x3)
x4 = np.arange(4,10,1)
y4 = x4**2

fig, ax = plt.subplots(2, 2, sharex='none', sharey='none')
ax[0, 0].plot(x1, y1, ls='--', color='k', lw=2)
ax[0, 1].plot(x2, y2, c='r')
ax[1, 0].plot(x3, y3, ls=':', c='g', lw=2)
ax[1, 1].plot(x4, y4, c='m')
plt.show()

在这里插入图片描述

3.6.2 sharex=‘all’ 且 sharey=‘none’

这种情况下相当于sharex='all'  且 sharey='none';每个子区x轴的均使用相同刻度，最后一行显示刻度标签

fig, ax = plt.subplots(2, 2, sharex='all', sharey='none')

在这里插入图片描述

3.6.3 sharex=‘none’ 且 sharey=‘all’

这种情况下相当于sharex='none'  且 sharey='all';每个子区y轴的均使用相同刻度，第一列显示共同的刻度标签

fig, ax = plt.subplots(2, 2, sharex='none', sharey='all')

在这里插入图片描述

3.6.4 sharex=‘all’ 且 sharey=‘all’

 这种情况下相当于sharex='all'  且 sharey='all';每个子区x轴与y轴的均使用相同刻度，第一列与最后一行显示共同的刻度标签

fig, ax = plt.subplots(2, 2, sharex='all', sharey='all')

在这里插入图片描述

3.6.5 sharex=‘all’ 且 sharey=‘row’

此时所有子区的x轴共享，同一行的y轴共享

fig, ax = plt.subplots(2, 2, sharex='all', sharey='row')

在这里插入图片描述

3.6.6 sharex=‘all’ 且 sharey=‘col’

此时所有子区的x轴共享，同一列的y轴共享

fig, ax = plt.subplots(2, 2, sharex='all', sharey='col')

在这里插入图片描述

3.6.7 sharex=‘none’ 且 sharey=‘row’

每个子区使用独立的x轴，每行共享相同的y轴

fig, ax = plt.subplots(2, 2, sharex='none', sharey='row')

在这里插入图片描述

3.6.8 sharex=‘none’ 且 sharey=‘col’

每个子区使用独立的x轴，每列共享相同的y轴

fig, ax = plt.subplots(2, 2, sharex='none', sharey='col')

在这里插入图片描述

3.6.9 sharex=‘row’ 且 sharey=‘all’

每行子区使用相同的x轴，所有子区使用相同的y轴

fig, ax = plt.subplots(2, 2, sharex='row', sharey='all')

在这里插入图片描述

3.6.10 sharex=‘row’ 且 sharey=‘none’

每行子区使用相同的x轴，所有子区使用各自独立的y轴

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['KaiTi']
mpl.rcParams['axes.unicode_minus'] = False

x1 = np.linspace(0, 2 * np.pi, 500)
y1 = x1
x2 = np.arange(0,10,0.5)
y2 = np.sin(x2) * np.cos(x2)
x3 = np.linspace(0,  np.pi, 500)
y3 = np.tan(x3)
x4 = np.arange(10,20,1)
y4 = x4**2

fig, ax = plt.subplots(2, 2, sharex='row', sharey='none')
ax[0, 0].plot(x1, y1, ls='--', color='k', lw=2)
ax[0, 1].plot(x2, y2, c='r')
ax[1, 0].plot(x3, y3, ls=':', c='g', lw=2)
ax[1, 1].plot(x4, y4, c='m')
plt.show()

在这里插入图片描述

3.6.11 sharex=‘row’ 且 sharey=‘row’

每行子区使用相同的x轴，每行子区共享y轴

fig, ax = plt.subplots(2, 2, sharex='row', sharey='row')

在这里插入图片描述

3.6.12 sharex=‘row’ 且 sharey=‘col’

每行子区使用相同的x轴，每列子区共享y轴

fig, ax = plt.subplots(2, 2, sharex='row', sharey='col')

在这里插入图片描述

3.6.13 sharex=‘col’ 且 sharey=‘all’

每列共享x轴，所有子区共享y轴

fig, ax = plt.subplots(2, 2, sharex='col', sharey='all')

在这里插入图片描述

3.6.14 sharex=‘col’ 且 sharey=‘all’

每列共享x轴，每个子区独立使用各自的y轴

fig, ax = plt.subplots(2, 2, sharex='col', sharey='none')

在这里插入图片描述

3.6.15 sharex=‘col’ 且 sharey=‘row’

每列共享x轴，每行共享y轴

fig, ax = plt.subplots(2, 2, sharex='col', sharey='row')

在这里插入图片描述

3.6.16 sharex=‘col’ 且 sharey=‘col’

每列共享x轴，每列共享y轴

fig, ax = plt.subplots(2, 2, sharex='col', sharey='col')

在这里插入图片描述

3.6 总结

取值含义
sharex=‘all’, sharey=‘all’所有子区共享x轴与y轴
sharex=‘all’, sharey=‘none’所有子区共享x轴，每个子区独立使用各自的y轴
sharex=‘all’, sharey=‘row’所有子区共享x轴，每行子区共享y轴
sharex=‘all’, sharey=‘col’所有子区共享x轴，每列子区共享y轴
sharex=‘none’, sharey=‘all’每个子区独立使用各自的x轴,所有子区共享y轴
sharex=‘none’, sharey=‘none’每个子区独立使用各自的x轴与y轴
sharex=‘none’, sharey=‘row’每个子区独立使用各自的x轴,每行子区共享y轴
sharex=‘none’, sharey=‘col’每个子区独立使用各自的x轴,每列子区共享y轴
sharex=‘row’, sharey=‘all’每行子区共享x轴, 所有子区共享y轴
sharex=‘row’, sharey=‘none’每行子区共享x轴, 每个子区独立使用各自的y轴
sharex=‘row’, sharey=‘row’每行子区共享x轴, 每行子区共享y轴
sharex=‘row’, sharey=‘col’每行子区共享x轴, 每列子区共享y轴
sharex=‘col’, sharey=‘all’每列子区共享x轴, 所有子区共享y轴
sharex=‘col’, sharey=‘none’每列子区共享x轴,每个子区独立使用各自的y轴
sharex=‘col’, sharey=‘row’每列子区共享x轴, 每行子区共享y轴
sharex=‘col’, sharey=‘col’每列子区共享x轴, 每列子区共享y轴

4. 返回值

1）. 4.1 figure画布
2）. 4.2 axes数组
牵牛花主人
关注
  • 5
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
matplotlib-main.zip
12-19
- **子图布局**: 使用`plt.subplots()`可以创建多子图，通过`nrows`和`ncols`参数指定子图的行列数量。 **5. 自定义样式** - **风格配置**: Matplotlib提供预设的风格，如'seaborn-darkgrid'，可以使用`plt.style....
Matplotlib subplots()函数详解
rielzhou的博客
07-17 1444
模块提供了一个 subplots() 函数，它的使用方法和 subplot() 函数类似。其不同之处在于，subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布。函数的返回值是一个元组，包括一个图形对象和所有的 axes 对象。下面我们创建了一个 2 行 2 列的子图，并在每个子图中显示 4 个不同的图像。nrows 与 ncols 表示两个整数参数，它们指定子图所占的行数、列数。
Matplotlib学习之subplots函数
m0_46197393的博客
07-03 6108
Matplotlib学习笔记
10-Matplotlib subplots()函数详解
最新发布
qwy715229258163的博客
06-18 237
模块提供了一个 subplots() 函数，它的使用方法和 subplot() 函数类似。其不同之处在于，subplots() 既创建了一个包含子图区域的画布，又创建了一个 figure 图形对象，而 subplot() 只是创建一个包含子图区域的画布。函数的返回值是一个元组，包括一个图形对象和所有的 axes 对象。下面我们创建了一个 2 行 2 列的子图，并在每个子图中显示 4 个不同的图像。nrows 与 ncols 表示两个整数参数，它们指定子图所占的行数、列数。
plt: subplot()、subplots()详解及返回对象figure、axes的理解
热门推荐
sunjintaoxxx的博客
11-02 5万+
subplot()、subplots()均用于Matplotlib 绘制多图 1.两者的区别： subplots 一次性创建并返回所有的子图和其 axe 对象。subplot则是分开多次添加子图。每次调用返回一个子图和对应的 ax 对象。 2.plt.subplot() 函数原型 subplot(nrows, ncols, index, **kwargs)，一般我们只用到前三个参数，将整个绘图区域分成 nrows 行和 ncols 列，而index用于对子图进行编号 这里直接copy了菜鸟教程的代码，如图中
subplots用法详解
low5252的博客
03-08 2万+
subplots用法详解 我们经常看到这个函数被用了很多次,尽管这个例子只是试图创建一个图表.还有其他一些优势吗？官方演示subplots() 也用于**f, ax = plt.subplots()**创建单个图表时,它之后只引用了ax.这是他们使用的代码. #Just a figure and one subplot f, ax = plt.subplots() ax.plot(x, y) ax...
python数据可视化玩转Matplotlib subplot子图操作，四个子图（一包四），三个子图，子图拉伸
alike_u的博客
04-07 1万+
子图是Matplotlib中强大的功能之一。使用函数，您可以方便地创建多个子图，并使用Axes对象绘制各种图形。使用各种选项，例如figsizewspace和hspace参数，以及GridSpec对象，可以更改子图的大小、位置和间距。
matplotlib---多图布局（subplot()函数、add_subplot()函数、axes()和add_axes()函数、subplots()函数）
weixin_43961909的博客
06-20 4443
此代码创建了一个包含4个子图的2行2列图形。plt.subplots(2,2)语句创建一个包含2行和2列的。为了在Matplotlib图形窗口中创建多个子图，可使用subplot()函数。该函数接受三个整数作为参。figure对象，并返回axes对象列表。然后在每个子图中绘制相应的函数，并给每个子图添加一个标。最后，将整个图形的标题和x轴标签添加到figure对象中。数，分别表示所需的行数、列数和子图位置。
python matplotlib-3.0.0.tar.gz
03-02
这个`matplotlib-3.0.0.tar.gz`文件包含的是matplotlib库的3.0.0版本源代码，适用于那些希望深入了解其内部工作原理或者想要自定义扩展功能的开发者。 matplotlib是一个用于创建静态、动态和交互式可视化的Python库...
Python-matplotlib进阶
04-04
例如，你可以使用`subplots()`函数创建多行多列的子图布局，或者使用`gridspec`模块实现更复杂的网格布局。这样可以在单个窗口中展示多个图表，便于对比分析。 颜色和样式的选择对图表的美观性和信息传达至关重要。...
自动办公- pandas-matplotlib
01-27
4. **子图网格**：使用subplots函数可以创建复杂的子图网格布局。 5. **3D绘图**：Matplotlib也支持3D绘图，如3D散点图、3D线图等。 **三、Pandas与Matplotlib结合** 在自动办公环境中，Pandas和Matplotlib的结合...
UCB-Matplotlib-Project
04-13
"UCB-Matplotlib-Project" 是一个与Python的可视化库Matplotlib相关的项目，很可能源自加利福尼亚大学伯克利分校（UCB）的教学或实践活动。Matplotlib是Python中最常用的2D绘图库，它提供了丰富的图表类型，用于创建...
python画图：subplot和subplots的使用方法，如何多图合一
qq_75247548的博客
11-11 3366
subplot与subplots使用方法，如何利用此二函数进行多图合一
Matplotlib中subplot以及subplots的用法
silent1cat的博客
07-15 4681
概述 matplotlib能够绘制精美的图表，但我们希望把一组图表放在一起进行比较，这时我们就需要用到subplot。 用法 plt.subplot()返回一个Figure实例fig和一个AcesSubplot实例ax，flg代表整个图像，ax代表坐标轴和画的图。 flg, ax = plt.subplot(int ,int) 此时ax变成了ndarray。 参数 subplot(numRows, numCols, plotNum) 1.如果numRows ＝ 2, numCols ＝ 3, 那整个绘制图表
【数据分析之道-Matplotlib(三)】Matplotlib 绘制子图
阿极的博客
05-10 5355
Matplotlib支持多种绘制多图的方法，其中最常用的是subplot和subplots函数。subplot函数可以将一个图像分成若干个小区域，并在其中绘制子图，而subplots函数可以一次性创建多个子图，并返回一个包含所有子图的数组对象。
【深度学习】 Python 和 NumPy 系列教程（廿六）：Matplotlib详解：3、多子图和布局：subplots()函数
天地玄黄 魑魅魍魉 风花雪月 商角徵羽 暂时停更 十月重见
09-15 1022
本文介绍了Matplotlib多子图和布局：subplots()函数
数据科学：Matplotlib、Seaborn笔记
qq_742234984的博客
12-03 1072
数据科学：Matplotlib、Seaborn笔记
subplots与figure函数参数解释说明以及简单的使用脚本实例
WEL测试
08-22 3万+
无意中发现了一个巨牛的人工智能教程，忍不住分享一下给大家。教程不仅是零基础，通俗易懂，而且非常风趣幽默，像看小说一样！觉得太牛了，所以分享给大家。点这里可以跳转到教程。 matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False,sharey=False, squeeze=True, subplot_kw=None,gridspe...
matplotlib中subplots的用法
wc881108的博客
07-29 2158
1.matplotlib中如果只画一张图的话，可以直接用pyplot，一般的做法是： import matplotlib.pyplot as plt plt.figure(figsize=(20,8),dpi=90) # 设置画布大小及像素 plt.xticks() # 设置x坐标刻度 plt.yticks() # 设置y坐标刻度 plt.xlabel() # 设置x坐标名 plt.ylabel() # 设置y坐标名 plt.title() # 设置主题 plt.plot() # 画图 plt.lege
python--matplotlib
07-28
2. 函数subplots：subplots()函数用于创建一个包含多个子图的图形。它可以指定子图的行数、列数以及其他参数。这个函数返回一个包含所有子图的figure对象和一个包含所有子图的axes对象的数组。可以使用这些axes对象...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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