探索数据可视化：Matplotlib 多图布局

多图布局

子视图

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0,2*np.pi)

plt.figure(figsize=(9,6))

# 创建子视图
# subplot(2,1,1)表示将当前图形分割成 2 行 1 列的子图网格，并在第 1 个子图位置绘制图形
ax = plt.subplot(2,1,1)
ax.plot(x,np.sin(x))

# 后面这个2就是编号，从1，开始
ax = plt.subplot(2,1,2) # 2行，1列，第二个视图
ax.plot(x, np.cos(x))

# subplots(2,2) # 分割2行2列四个图
fig,axes = plt.subplots(2,2) 

# 索引，0开始
axes[0,0].plot(x,np.sin(x),color = 'red')

axes[0,1].plot(x,np.sin(x),color = 'green')

axes[1,0].plot(x,np.cos(x),color = 'purple')

axes[1,1].plot(x,np.cos(x))

x = np.linspace(-np.pi,np.pi,20)
y = np.sin(x)

# 子视图1
plt.figure(figsize=(9,6))
ax = plt.subplot(221) # 两行两列第一个子视图
# 调用子视图设置方法，设置子视图线条为红色，背景为绿色
ax.plot(x,y,color = 'red')
ax.set_facecolor('green')


# 子视图2
ax = plt.subplot(2,2,2) # 两行两列第二个子视图
line, = ax.plot(x,-y) # 返回绘制对象,列表中只有一个数据，取出来
line
line.set_marker('*') # 调用对象设置方法，设置属性
# 设置标记点填充红色
line.set_markerfacecolor('red')
# 设置标记点的边缘颜色为绿色
line.set_markeredgecolor('green')
# 设置标记点的大小为10
line.set_markersize(10)
# 子视图3
ax = plt.subplot(2,1,2) # 两行一列第二行视图
# 设置当前视图；当前坐标轴为第三个子图的坐标轴对象
plt.sca(ax) 

x = np.linspace(-np.pi,np.pi,200)

# 直接调用plt
plt.plot(x,np.sin(x*x),color = 'red')

嵌套视图

x = np.linspace(-np.pi,np.pi,25)
y = np.sin(x)
fig = plt.figure(figsize=(9,6)) # 创建视图
plt.plot(x,y)


# 嵌套方式一，axes轴域（横纵坐标范围），子视图
# 参数含义[left, bottom, width, height]
# 表示新创建的坐标轴的左下角位于图形宽度的 20% 处，底部位于图形高度的 55% 处，
# 宽度为图形宽度的 30%，高度为图形高度的 30%
ax = plt.axes([0.2,0.55,0.3,0.3]) 
ax.plot(x,y,color = 'g')

# 嵌套方式二
# 具体对象，添加子视图
ax = fig.add_axes([0.55,0.2,0.3,0.3]) # 使用视图对象添加子视图
ax.plot(x,y,color = 'r')

x = np.linspace(0,2*np.pi)
# sharex:所有小图共享x轴  sharey:表示所有小图共享y轴  坐标轴以所有小图中范围最大的进行显示
fig, ((ax11,ax12,ax13), (ax21,ax22,ax23),(ax31,ax32,ax33)) = plt.subplots(3, 3)

# 也可通过plt.subplot() 一个个添加子视图
fig.set_figwidth(9)
fig.set_figheight(6)

ax11.plot(x,np.sin(x))
ax12.plot(x,np.cos(x))
ax13.plot(x,np.tanh(x))
ax21.plot(x,np.tan(x))
ax22.plot(x,np.cosh(x))
ax23.plot(x,np.sinh(x))
ax31.plot(x,np.sin(x) + np.cos(x))
ax32.plot(x,np.sin(x*x) + np.cos(x*x))
ax33.plot(x,np.sin(x)*np.cos(x))

# 紧凑显示，边框会比较小
# 确保子图之间的间距合适，使得整体布局更加美观
plt.tight_layout()
plt.show()

x = np.linspace(0,2*np.pi,200)
fig = plt.figure(figsize=(12,9))


# 使用切片方式设置子视图
ax1 = plt.subplot(3,1,1) # 视图对象添加子视图 3行，1列，第一个视图
ax1.plot(x, np.sin(10*x))
# 设置ax1的标题，xlim、ylim、xlabel、ylabel等所有属性现在只能通过set_属性名的方法设置
ax1.set_title('ax1_title')  # 设置小图的标题


# 添加：第二行，第一和第二列
# 在一个3x3的子图网格中创建一个占据第4和第5位置的子图
ax2 = plt.subplot(3,3,(4,5))
ax2.set_facecolor('green')
ax2.plot(x,np.cos(x),color = 'red')

# 添加，右下角，那一列
# 创建一个占据第6和第9位置的子图
ax3 = plt.subplot(3,3,(6,9))
ax3.plot(x,np.sin(x) + np.cos(x))

# 创建一个占据第7位置的子图
ax4 = plt.subplot(3,3,7)
ax4.plot([1,3],[2,4])

# 创建一个占据第8位置的子图
ax5 = plt.subplot(3,3,8)
# 绘制散点图；3个点(1,0),(2,2),(3,4)
ax5.scatter([1,2,3], [0,2,4])
ax5.set_xlabel('ax5_x',fontsize = 12)
ax5.set_ylabel('ax5_y',fontsize = 12)

plt.show()