搞懂怎么使用Matplotlib绘制子图(基础篇)
plt.subplot()
方法一
plt.subplot (numRows, numCols, plotNum)
其中numRows
表示子图矩阵的行数,numCols
表示子图矩阵的列数,plotNum
表示当前子图的位置。
示例:
import matplotlib.pyplot as plt
import numpy as np
#举例:( 3行 1/2列 第几个子图)
ax1 = plt.subplot(321)
ax2 = plt.subplot(322)
ax3 = plt.subplot(312)
ax4 = plt.subplot(313)
# 还可以往下增加,只要符合同样的规则
# 自动调整子图间距
plt.tight_layout()
那么绘制一行两列的子图布局呢:
import matplotlib.pyplot as plt
import numpy as np
# data
x = [i for i in range(30)]
y1 = [x ** 2 - 2 * x + 500 for x in range(30)]
y2 = [2 * x ** 2 for x in range(30)]
y3 = [x**3+100 for x in range(30)]
# 定义一个画布
plt.figure(figsize=(8,6))
# 在第一个子图中绘制一条曲线
ax1 = plt.subplot(121)
ax1.plot(x,y1)
# 在第二个子图中绘制散点图
ax2 = plt.subplot(122)
ax2.scatter(x, y2)
#可以写成:
# ax1=plt.subplot(221)
# ax2=plt.subplot(222)
#绘制结果一样的,但是这样写的话,绘制上限是可以画两行
plt.tight_layout()
plt.show()
方法二
fig, axs = plt.subplots(num1,num2) #绘制 num1*num2 个子图
第一行生成 axs[0][0]
、axs[0][1]
、axs[0][2]
…axs[0][num2]
个子图对象;
第一行生成 axs[1][0]
、axs[1][1]
、axs[1][2]
…axs[1][num2]
个子图对象;
可以得到num1
行;
示例:
import matplotlib.pyplot as plt
import numpy as np
x = [i for i in range(30)]
y1 = [x ** 2 - 2 * x + 500 for x in range(30)]
y2 = [2 * x ** 2 for x in range(30)]
# 创建一个包含两个子图的图形
fig, axs = plt.subplots(2)
# 在第一个子图中绘制一条曲线
axs[0].plot(x, y1)
# 在第二个子图中绘制散点图
axs[1].scatter(x, y2)
# 显示图形
plt.show()
也可以通过for
循环遍历列表生成:
import matplotlib.pyplot as plt
import numpy as np
# 创建一个包含两行两列的子图矩阵
fig, axs = plt.subplots(2, 2)
# 在每个子图中绘制一条曲线
for i in range(2):
for j in range(2):
x = np.linspace(0, 10, 100)
y = np.sin(x + i*j)
axs[i, j].plot(x, y)
axs[i, j].set_title(f'Subplot {i+1},{j+1}')
# 调整子图间距
plt.tight_layout()
# 显示图形
plt.show()