Matplotlib绘制多子图+合并图例+子图间距

已于 2024-04-10 01:07:59 修改
阅读量5.7k 收藏 42
点赞数 16
分类专栏： 笔记 文章标签： python
于 2022-02-18 17:59:40 首次发布
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/m0_53115174/article/details/123008276
版权

通过获取子图的label和线型来合并图例

注意添加label

#导入数据（读者可忽略）
pre_lp=total_res#组合模型
true=diff1[-pre_day:]#真实值
pre_ph=results_data["yhat"]#prophet
pre_lstm=reslut#lstm
pre_ari=data_ari['data_pre']#arima
#设置中文字体
rcParams['font.sans-serif'] = 'kaiti'

# 生成一个时间序列 （读者可根据情况进行修改或删除）
time =pd.to_datetime(np.arange(0,21), unit='D',
                    origin=pd.Timestamp('2021-10-19'))
#创建画布
fig=plt.figure(figsize=(20,16))#figsize为画布大小
# 1 
ax1=fig.add_subplot(221)
ax1.plot(time,pre_lp,color='#1bb9f6',marker='^',linestyle='-',label='1')
# ax1.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax1.set_title('1',fontsize=15)#设置标题
ax1.set_xlabel('日期/天',fontsize=15)#设置横坐标名称
ax1.set_ylabel('感染人数/人',fontsize=15)#设置纵坐标名称
ax1.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))#设置横坐标刻度（读者可忽略）
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)#设置横坐标刻度（读者可忽略）

# 2 
ax2=fig.add_subplot(222)
ax2.plot(time,pre_ph,color='#739b06',marker='o',linestyle='-',label='2')
# ax2.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax2.set_title('2',fontsize=15)
ax2.set_xlabel('日期/天',fontsize=15)
ax2.set_ylabel('感染人数/人',fontsize=15)
ax2.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)
# 3 
ax3=fig.add_subplot(223)
ax3.plot(time,pre_lstm,color='#38d9a9',marker='*',linestyle='-',label='3')
# ax3.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax3.set_title('3',fontsize=15)
ax3.set_xlabel('日期/天',fontsize=15)
ax3.set_ylabel('感染人数/人',fontsize=15)
ax3.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)

# 4 
ax4=fig.add_subplot(224)
ax4.plot(time,pre_ari,color='#e666ff',marker='x',linestyle='-',label='4')
ax4.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax4.set_title('4',fontsize=15)
ax4.set_xlabel('日期/天',fontsize=15)
ax4.set_ylabel('感染人数/人',fontsize=15)
ax4.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)

#初始化labels和线型数组
lines=[]
labels=[]
#通过循环获取线型和labels
for ax in fig.axes:
    axLine, axLabel = ax.get_legend_handles_labels()
    lines.extend(axLine)
    labels.extend(axLabel)
#设置图例和调整图例位置
fig.legend(lines, labels,loc='lower center',
           ncol=5,framealpha=False,fontsize=25)

结果如下图
在这里插入图片描述

这个时候我们再把原先代码里面的通过循环获取label和线型注释掉，代码如下

#导入数据（读者可忽略）
pre_lp=total_res#组合模型
true=diff1[-pre_day:]#真实值
pre_ph=results_data["yhat"]#prophet
pre_lstm=reslut#lstm
pre_ari=data_ari['data_pre']#arima
#设置中文字体
rcParams['font.sans-serif'] = 'kaiti'

# 生成一个时间序列 （读者可根据情况进行修改或删除）
time =pd.to_datetime(np.arange(0,21), unit='D',
                    origin=pd.Timestamp('2021-10-19'))
#创建画布
fig=plt.figure(figsize=(20,16))#figsize为画布大小
# 1 
ax1=fig.add_subplot(221)
ax1.plot(time,pre_lp,color='#1bb9f6',marker='^',linestyle='-',label='1')
ax1.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax1.set_title('1',fontsize=15)#设置标题
ax1.set_xlabel('日期/天',fontsize=15)#设置横坐标名称
ax1.set_ylabel('感染人数/人',fontsize=15)#设置纵坐标名称
ax1.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))#设置横坐标刻度（读者可忽略）
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)#设置横坐标刻度（读者可忽略）

# 2 
ax2=fig.add_subplot(222)
ax2.plot(time,pre_ph,color='#739b06',marker='o',linestyle='-',label='2')
ax2.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax2.set_title('2',fontsize=15)
ax2.set_xlabel('日期/天',fontsize=15)
ax2.set_ylabel('感染人数/人',fontsize=15)
ax2.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)
# 3 
ax3=fig.add_subplot(223)
ax3.plot(time,pre_lstm,color='#38d9a9',marker='*',linestyle='-',label='3')
ax3.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax3.set_title('3',fontsize=15)
ax3.set_xlabel('日期/天',fontsize=15)
ax3.set_ylabel('感染人数/人',fontsize=15)
ax3.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)

# 4 
ax4=fig.add_subplot(224)
ax4.plot(time,pre_ari,color='#e666ff',marker='x',linestyle='-',label='4')
ax4.plot(time,true,color='#fd5749',marker='s',linestyle='-',label='true')
ax4.set_title('4',fontsize=15)
ax4.set_xlabel('日期/天',fontsize=15)
ax4.set_ylabel('感染人数/人',fontsize=15)
ax4.xaxis.set_major_formatter(mdate.DateFormatter('%m-%d'))
plt.xticks(pd.date_range(time[0],time[-1],freq='D'),rotation=45)

#初始化labels和线型数组
# lines=[]
# labels=[]
#通过循环获取线型和labels
# for ax in fig.axes:
#  	 axLine, axLabel = ax.get_legend_handles_labels()
#    lines.extend(axLine)
#    labels.extend(axLabel)
#设置图例和调整图例位置
fig.legend(lines, labels,loc='lower center',
           ncol=5,framealpha=False,fontsize=25)

结果如下图
在这里插入图片描述

调整子图间距

plt.subplots_adjust(wspace=0.4,hspace=0.4)

wspace为子图之间宽间距，hspace为子图之间高间距
对比图如下

设置了间距的图像

在这里插入图片描述

没有设置间距的图像

在这里插入图片描述

Python可视化|Matplotlib39-Matplotlib 1.4W+字教程（珍藏版）
qq_21478261的博客
09-15 585
系统梳理python Matplotlib教程
pythonmatplotlib绘图图框位置,matplotlib画图
weixin_36399495的博客
03-25 2385
1.基础工作导入必备的包，通常需要pandas、numpy和matplotlibimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt设置坐标轴格式，从matplotlib.ticker中引入相应的包进行坐标轴的设置，当然这一步不是必须的，matplotlib会根据数据自动设置坐标轴的大小，大家也可以根据需要自己进行...
Matplotlib——多图合并
01-21
文章目录1.多图合一(subplot)2.分格显示2.1.subplot2grid方法2.2.gridspec方法2.3.subplots方法3.图中有图(plot in plot)4.设置双坐标轴 1.多图合一(subplot) matplotlib 是可以组合许多的小图, 放在一张大图里面显示的. 使用到的方法叫作 subplot. 使用import导入matplotlib.pyplot模块, 并简写成plt. 使用plt.figure创建一个图像窗口. 使用plt.subplot来创建小图. plt.subplot(2,2,1)表示将整个图像窗口分为2行2列, 当前位置为1. 使用plt
【Matplotlib】plt.legend() 函数：添加图例（Legend）
彬彬侠的博客
03-02 1654
matplotlib.pyplot.legend()用于为图表添加图例，适用于区分不同数据系列，提高可读性。-plt.legend()用于添加图例，支持位置、字体、标题等调整。-常见参数loc="upperright"调整位置，fontsize=12修改字体，frameon=False隐藏边框。
matplotlib多图展示
qq_36162275的博客
03-03 4952
import matplotlib.pyplot as plt plt.figure(figsize=(6, 4)) # plt.subplot(n_rows, n_cols, plot_num) plt.subplot(2, 2, 1) plt.plot([0, 1], [0, 1]) plt.subplot(222) plt.plot([0, 1], [0, 2]) plt.subpl...
Matplotlib 绘制多图
weixin_45958364的博客
09-07 260
plt.XX之类的是函数式绘图，通过将数据参数传入plt类的静态方法中并调用方法，从而绘图。 fig,ax=plt.subplots()是对象式编程,plt.subplots()是返回一个元组，包含了figure对象(控制总体图形大小)和axes对象(控制绘图，坐标之类的)。 进行对象式绘图，首先是要通过plt.subplots()将figure类和axes类实例化也就是代码中的fig,ax，然后通过fig调整整体图片大小，通过ax绘制图形，设置坐标。 ax.set_title()是给ax这个子图设置
（2022.5）Pyhthon Matplotlib实现在图中绘制多子图（一纸多图）
weixin_42496865的博客
05-12 2012
解决“一纸多图”的两种方案，直接复制粘贴就可使用！用了都说好！
Python | 使用Matplotlib生成子图的示例
python收藏家的博客
06-19 1036
Matplotlib的子图提供的灵活性允许在单个图中同时呈现多个图，增强了显示信息的清晰度和一致性。无论是组织折线图、条形图、饼图还是自定义图，理解子图网格、轴对象和“子图”功能的概念都是必不可少的。
部分Matplotlib可视化代码模板（多子图、散点图、一图中多折线图、一图中多种图、箱线图、双y轴图、饼图、ROC曲线、频率直方图）
m0_62052024的博客
01-07 582
一些Matplotlib可视化代码模板
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 5771
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。
matplotlib之绘制多图
xutengfei999的博客
12-01 4402
使用pyplot中的subplot和subplots方法来绘制多图。 subplot()方法在绘图时需要指定位置，subplots()方法可以一次生成多个，在调用时只需要调用生成对象的ax即可。 subplots函数的用法 ...
Python 中使用 Matplotlib 进行多图绘制
chusheng1840的博客
11-01 2529
Matplotlib 是一个数据可视化库，它可以生成条形图、折线图、散点图等多种类型的图表。在数据分析中，我们经常会遇到需要将多个数据集或不同维度的数据放在同一图表中展示的情况，Matplotlib 的多图绘制功能正是为此而设计的。本文介绍了 Python 中 Matplotlib 的多图绘制功能。通过subplot和subplots可以轻松实现多图布局，并通过GridSpec进一步控制每个子图的大小和位置。对于数据分析中的多维度数据展示，掌握这些技巧可以帮助我们更好地理解数据关系，使分析结果更加直观。
matplotlib 多子图图例显示
Hoshea_H的博客
11-30 2750
''' plt.subplots方法使用返回值，再对返回的多个ax使用索引来使用每一个ax 这样记忆：plots为复数——>返回fig axes ''' fig,axes = plt.subplots(1,2) axes[0].plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3) axes[0].set_xlim(0.5, 4.5) axes[1].plot([10, 20, 25, 30],[1, 2, 3, 4]
matplotlib多图合一的四种实现（多张图显示在一个figure中）
Qlz的博客
01-12 1万+
声明将figure分割成几块，然后在绘图时使用切片声明使用哪几块即可。说明新图纸是几行几列的。
Python——使用matplotlib进行多图合并、局部放大及住次坐标轴绘制方法
ikhui7的博客
03-17 4605
本文总结了使用matplotlib绘制多个图片分格显示绘制方法，图中图（即：局部放大图）绘制方法以及次坐标轴绘制方法。 多图合并绘制1. Subplot多图合一显示2. 图中图3. 次坐标轴 1. Subplot多图合一显示 ## method 1：subplot plt.figure() plt.subplot(2,2,1) plt.plot([0,1],[0,1]) plt.subplot(2,2,2) plt.plot([0,1],[0,2]) plt.subplot(2,2,3) plt.plo
Matplotlib——绘制多个子图，多子图有图例分颜色，搞定所有matplotlib绘制子图需要考虑的问题
weixin_49946504的博客
05-30 703
Matplotlib——绘制多个子图，多子图有图例分颜色，搞定所有matplotlib绘制子图需要考虑的问题
matplotlib子图(设置间距，子图标签，设置标题，图例）
热门推荐
qq_45850131的博客
03-23 1万+
matplotlib绘制子图(设置间距，子图标签，设置标题，图例） 设置子图行列间距： 默认为none，自定义间距可按百分比调节 subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None) 设置子图标签，标题，和图例： ax1.set_title('train_loss', fontproperties='SimHei', fontsize=20) # 为子图添加标题，设置标题的字体，字体的大小，
子图的绘制sandiantu
最新发布
03-29
<think>好的，用户的问题是关于如何在Python中使用Matplotlib或其他库绘制子图和散点图的。我需要结合系统级指令和用户提供的参考内容来回答这个问题。首先，系统级指令要求使用中文回答，正确使用LaTeX格式的数学表达式，生成相关问题，并在引用处添加标识。用户提供的三个引用都是关于Matplotlib绘制散点图的，特别是第三个引用提到封装方法，而用户还提到了子图和可能的“散点图”（sandiantu可能为拼音错误）。我需要确保回答结构清晰，分步骤说明如何绘制子图和散点图，并引用相关的参考资料。 首先，我应该先回答如何绘制散点图，因为用户明确提到了，然后转向子图的绘制。根据引用[1]，用户已经知道使用Matplotlib的基本散点图绘制方法，但可能需要更详细的说明或更复杂的例子。接着，引用[2]提到了三维散点图，用户可能对此也有兴趣，但问题主要聚焦在子图和二维散点图。引用[3]提到了封装的散点图方法，可以建议用户参考封装的方法，但可能需要给出具体示例。 对于子图部分，Matplotlib中的subplot和subplots函数是关键。需要解释如何使用这些函数创建多个子图，并在每个子图中绘制不同的图形，比如散点图。可能需要展示一个包含多个子图的示例代码，每个子图展示不同类型的散点图，或者不同数据集的情况。 然后，生成相关问题，确保问题与主题相关，比如性能优化、应用场景等。同时，注意引用标识的正确添加，在回答中引用参考内容的地方要自然标注，例如在提到Matplotlib绘制散点图时引用[^1]，三维散点图引用[^2]，封装方法引用[^3]。 需要检查LaTeX格式是否正确，比如行内公式使用$...$，独立公式使用$$...$$，但根据用户的问题，可能不需要太多数学公式，但如果有涉及的话要确保格式正确。例如，在解释数据分布时可能会有数学表达式，如相关系数$r$，或者回归线方程等。 最后，确保回答结构清晰，分步骤说明，代码示例正确，并且相关问题有针对性。可能需要先介绍基本概念，然后给出代码示例，再讨论可能的变体或高级用法，如三维散点图或子图布局的调整。</think>### 绘制子图与散点图的Python实现 #### 1. 绘制散点图 使用Matplotlib绘制散点图时，通过$plt.scatter()$函数实现。以下是一个基础示例： ```python import matplotlib.pyplot as plt # 生成数据 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 绘制散点图 plt.scatter(x, y, color='red', marker='x', label='线性数据') plt.xlabel("X轴") plt.ylabel("Y轴") plt.title("基础散点图示例") plt.legend() plt.grid(True) plt.show() ``` 此代码生成一个红色叉形标记的散点图，并包含图例和网格线。 #### 2. 绘制子图 Matplotlib通过$plt.subplots()$或$plt.subplot()$创建多子图布局。以下是包含散点图和折线图的子图示例： ```python import numpy as np # 创建数据 x = np.linspace(0, 10, 50) y1 = np.sin(x) y2 = np.cos(x) # 创建2x1的子图布局 fig, axes = plt.subplots(2, 1, figsize=(8, 6)) # 子图1：散点图 axes[0].scatter(x, y1, color='green', label='sin(x)') axes[0].set_title("正弦函数散点图") axes[0].legend() # 子图2：折线图 axes[1].plot(x, y2, color='orange', label='cos(x)') axes[1].set_title("余弦函数折线图") axes[1].legend() plt.tight_layout() # 自动调整子图间距 plt.show() ``` 此代码生成两行一列的子图，分别展示散点图和折线图[^2]。 #### 3. 高级应用：三维散点图 对于三维数据，使用$mpl_toolkits.mplot3d$工具包： ```python from mpl_toolkits.mplot3d import Axes3D # 生成三维数据 z = np.random.rand(50) fig = plt.figure() ax = fig.add_subplot(111, projection='3d') ax.scatter(x, y1, z, c='purple', marker='^') ax.set_xlabel('X轴') ax.set_ylabel('Y轴') ax.set_zlabel('Z轴') ax.set_title("三维散点图") plt.show() ``` 此代码生成一个带三维坐标轴的紫色三角标记散点图[^2]。 #### 4. 子图布局进阶 使用$plt.subplot2grid()$实现复杂布局： ```python plt.figure(figsize=(10,6)) # 定义布局结构 ax1 = plt.subplot2grid((3,3), (0,0), colspan=2) ax2 = plt.subplot2grid((3,3), (0,2), rowspan=3) ax3 = plt.subplot2grid((3,3), (1,0), rowspan=2, colspan=2) ax1.scatter(x[:10], y1[:10], color='blue') ax2.plot(x, y2, 'r--') ax3.hist(y1, bins=15, color='green') plt.tight_layout() plt.show() ``` 此布局包含三个不同尺寸的子图，分别展示散点图、折线图和直方图[^3]。
评论 4
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

打赏作者

青石横刀策马

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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