Matplotlib 绘制多图

Matplotlib 绘制多图

Matplotlib 是 Python 中最常用的数据可视化库之一，它提供了丰富的绘图功能，包括绘制单图和多图。在本文中，我们将重点讨论如何使用 Matplotlib 绘制多图，包括子图、网格图和图形布局管理。

1. 子图（Subplots）

子图是 Matplotlib 中最常用的绘制多图的方法。通过 matplotlib.pyplot.subplot() 函数，我们可以创建一个网格状的图形区域，并在其中绘制多个子图。

import matplotlib.pyplot as plt

# 创建一个 2x2 的网格，并选择第一个子图
plt.subplot(2, 2, 1)
plt.plot([1, 2, 3], [1, 2, 3])  # 绘制第一个子图

# 选择第二个子图
plt.subplot(2, 2, 2)
plt.plot([1, 2, 3], [3, 2, 1])  # 绘制第二个子图

# 选择第三个子图
plt.subplot(2, 2, 3)
plt.plot([3, 2, 1], [1, 2, 3])  # 绘制第三个子图

# 选择第四个子图
plt.subplot(2, 2, 4)
plt.plot([3, 2, 1], [3, 2, 1])  # 绘制第四个子图

plt.tight_layout()  # 调整子图间距
plt.show()  # 显示图形

2. 网格图（GridSpec）

GridSpec 是一种更灵活的布局管理方式，它允许我们创建不规则的多图布局。使用 matplotlib.gridspec.GridSpec() 可以创建一个网格规范对象，然后通过该对象来指定子图的位置和大小。

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

# 创建一个 3x3 的网格规范
gs = gridspec.GridSpec(3, 3)

# 绘制第一个子图，占据第一行
plt.subplot(gs[0, :])
plt.plot([1, 2, 3], [1, 2, 3])

# 绘制第二个子图，占据第二列
plt.subplot(gs[1:, 1])
plt.plot([1, 2, 3], [3, 2, 1])

# 绘制第三个子图，占据第三行和第三列
plt.subplot(gs[-1, -1])
plt.plot([3, 2, 1], [3, 2, 1])

plt.tight_layout()
plt.show()

3. 图形布局管理（Figure and Axes）

除了使用 subplot 和 GridSpec，我们还可以直接使用 matplotlib.figure.Figure 和 matplotlib.axes.Axes 类来创建和管理图形布局。

import matplotlib.pyplot as plt

# 创建一个新的图形
fig = plt.figure()

# 添加第一个子图，位于第一行第一列
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot([1, 2, 3], [1, 2, 3])

# 添加第二个子图，位于第一行第二列
ax2 = fig.add_subplot(2, 2, 2)
ax2.plot([1, 2, 3], [3, 2, 1])

# 添加第三个子图，位于第二行
ax3 = fig.add_subplot(2, 1, 2)
ax3.plot([3, 2, 1], [1, 2, 3])

plt.tight_layout()
plt.show()

4. 结论

在本文中，我们介绍了三种使用 Matplotlib 绘制多图的方法：子图、网格图和图形布局管理。每种方法都有其适用的场景，您可以根据自己的需求选择合适的方法。