数据可视化------子图的绘制及坐标轴共享

题目一：

编写程序。分别采用控制台绘图和弹出窗绘图两种绘图方式绘制5.1.1的直线图

控制台绘图：

程序代码：

#控制台绘图：
%matplotlib inline
import matplotlib.pyplot as plt 
#控制台绘图
ax = plt.subplot(326)
ax.plot([1, 2, 3, 4, 5])

执行结果：

弹出窗绘图：

程序代码：

#采用控制台绘图和弹出窗绘图两种绘图方式绘制5.1.1的直线图

#弹出窗绘图
%matplotlib auto
import matplotlib.pyplot as plt 
#控制台绘图
ax = plt.subplot(326)
ax.plot([1, 2, 3, 4, 5])


#在pycharm中运行的代码：
import matplotlib.pyplot as plt

#创建一个新的图形窗口
plt.figure()

#创建一个子图并绘制直线
ax = plt.subplot(3, 2, 6)
ax.plot([1, 2, 3, 4, 5])
plt.show()

执行结果：

题目二：

编写程序。根据实例1的要求，先将画布规划成2*1的矩阵区域，并在索引为1的区域中绘制反映产品A和产品B销售额趋势的折线图；再将画布规划成2*2的矩阵区域，并在索引为3的区域中绘制反映产品A销售额占比的饼图；最后将画布规划成2*2的矩阵区域，并在索引为4的区域中绘制反映产品B销售额占比的饼图。

程序代码：

#某工厂产品A与产品B去年的销售额分析
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体为黑体
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

x = [x for x in range(1, 13)]
y1 = [20, 28, 23, 16, 29, 36, 39, 33, 31, 19, 21, 25]#产品A的销售额
y2 = [17, 22, 39, 26, 35, 23, 25, 27, 29, 38, 28, 20]#产品B的销售额
labels = ['1月', '2月', '3月', '4月', '5月', '6月', '7月', '8月', '9月', '10月', '11月', '12月']

#将画布规划成等分布局的2*1的矩阵区域，之后在索引为1的区域绘制子图
ax1 = plt.subplot(211)
ax1.plot(x, y1, 'm--o', lw = 2, ms = 5, label='产品A')
ax1.plot(x, y2, 'g--o', lw = 2, ms = 5, label='产品B')
ax1.set_title("产品A与产品B的销售额", fontsize=11)
ax1.set_ylim(10, 45)
ax1.set_ylabel("销售额(亿元)")
ax1.set_xlabel('月份')
for xy1 in zip(x, y1):
    ax1.annotate("%s" % xy1[1], xy=xy1, xytext=(-5,5), textcoords= 'offset points')
for xy2 in zip(x, y2):
    ax1.annotate("%s" % xy2[1], xy=xy2, xytext=(-5,5), textcoords= 'offset points')
ax1.legend()

##将画布规划成等分布局的2*2的矩阵区域，之后在索引为3的区域绘制子图
ax2 = plt.subplot(223)
ax2.pie(y1, radius=1, wedgeprops={'width':0.5},labels=labels,autopct='%3.1ff%%',pctdistance=0.75)
ax2.set_title('产品A的销售额')
#将画布规划成等分布局的2*2的矩阵区域，之后在索引为4的区域绘制子图
ax3 = plt.subplot(224)
ax3.pie(y2, radius=1, wedgeprops={'width':0.5},labels=labels,autopct='%3.1ff%%',pctdistance=0.75)
ax3.set_title('产品B的销售额')
#调整子图间的距离
plt.tight_layout()
plt.show()

执行结果：

题目三：

编写程序。根据5.1.3，将画布规划成 2x3的矩阵区域，之后在第5个区域中绘制子图。

程序代码：

#将画布规划成 2x3的矩阵区域，之后在第5个区域中绘制子图
import matplotlib.pyplot as plt

#创建一个新的图形窗口
plt.figure()

#创建一个子图并绘制直线
ax = plt.subplot(2, 3, 5)
ax.plot([1, 2, 3, 4, 5])
plt.show()

执行结果：

题目四：

编写程序。根据实例2的要求，绘制展示部分国家养猫与养狗人群比例的多个子图，实现过程如下：

1. 导入matplotlib.pyplot模块；
2. 准备x轴和y轴的数据；
3. 将画布规划为1*2的矩阵区域；
4. 在第1个区域中绘制说明部分国家养猫人群比例的条形图；
5. 在第2个区域中绘制说明部分国家养狗人群比例的条形图；
6. 调整子图之间的距离。

程序代码：

#部分国家养猫与养狗人群比例分析
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ["SimHei"]


def autolabel(ax, rects):
    """ 在每个矩形条的上方附加一个文本标签, 以显示其高度"""
    for rect in rects:
        width = rect.get_width()
        ax.text(width + 3, rect.get_y(), s='{}'.format(width), ha='center', va='bottom')


y = np.arange(12)
x1 = np.array([19, 33, 28, 29, 14, 24, 57, 6, 26, 15, 27, 39])
x2 = np.array([25, 33, 58, 39, 15, 64, 29, 23, 22, 11, 27, 50])
labels = np.array(['中国', '加拿大', '巴西', '澳大利亚', '日本', '墨西哥',
                   '俄罗斯', '韩国', '瑞士', '土耳其', '英国', '美国'])
fig, (ax1, ax2) = plt.subplots(1, 2)
barh1_rects = ax1.barh(y, x1, height=0.5, tick_label=labels, color='#FFA500')
ax1.set_xlabel('人群比例(%)')
ax1.set_title('部分国家养猫人群的比例 41')
ax1.set_xlim(0, x1.max() + 10)
autolabel(ax1, barh1_rects)
barh2_rects = ax2.barh(y, x2, height=0.5, tick_label=labels, color='#20B2AA')
ax2.set_xlabel('人群比例(%)')
ax2.set_title('部分国家养狗人群的比例 41')
ax2.set_xlim(0, x2.max() + 10)
autolabel(ax2, barh2_rects)
plt.tight_layout()
plt.show()

执行结果：

题目五：

编写程序。根据5.2.1，将画布规划成2x3的矩阵区域，并在第0行第2列的区域中绘制子图;再次将画布规划成 2x3的矩阵区域，并在第1行第1~2列的区域中绘制子图。

程序代码：

import matplotlib.pyplot as plt
ax1 = plt.subplot2grid((2, 3), (0, 2))
ax1.plot([1, 2, 3, 4, 5])
ax2 = plt.subplot2grid((2, 3), (1, 1), colspan=2)  #向右跨越1个单位！！！则这个图在第1行的第1到2列画图！！！！！
ax2.plot([1, 2, 3, 4, 5])
plt.title('41')
plt.show()

执行结果：

题目六：

编写程序。根据5.3.1，将画布规划成2x3的矩阵区域，并在第0行第2列的区域中绘制子图;再次将画布规划成 2x3的矩阵区域，并在第1行第1~2列的区域中绘制子图。

程序代码：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus'] = False
x1 = np.linspace(0, 2 *np.pi, 400)
x2 = np.linspace(0.01, 10, 100)
x3 = np.random.rand(10)
x4 = np.arange(0,6,0.5)
y1 = np.cos(x1 ** 2)
y2 = np.sin(x2)
y3 = np.linspace(0,3,10)
y4 = np.power(x4,3)
fig, ax_arr = plt.subplots(2, 2, sharex=True)
ax1 = ax_arr[0, 0]
ax1.plot(x1, y1)
ax2 = ax_arr[0, 1]
ax2.plot(x2, y2)
ax3 = ax_arr[1, 0]
ax3.scatter(x3, y3)
ax4 = ax_arr[1, 1]
ax4.scatter(x4, y4)
plt.title('41')
plt.show()

执行结果：