matplotlib中的pyplot实用详解

示例1：使用axes确定子图的位置

import matplotlib.pyplot as plt
import numpy as np

# 固定随机种子
np.random.seed(0)

# 2行1列的子图1
plt.subplot(211)
plt.imshow(np.random.random((10, 10)))
# 2行1列的子图2
plt.subplot(212)
plt.imshow(np.random.random((10, 10)))

plt.subplots_adjust(left=0, bottom=0, right=1, top=1) #调整子图的位置
# [left, bottom, width, height]确定子图位置
cax = plt.axes([0.8, 0, 0.06, 1])
plt.colorbar(cax=cax)

plt.show()

相关函数详解

1、plt.subplot()

官网参考链接：matplotlib-pyplot-subplot
输入的参数有以下4种情况:

subplot(nrows, ncols, index, **kwargs)
subplot(pos, **kwargs)
subplot(**kwargs)
subplot(ax)

        三个整数（nrows、ncols、index）。子图将占据nrows行和ncols列网格上的索引位置。索引从左上角的1开始，向右增加。index也可以是指定子时隙的（第一个，最后一个）索引（以1为基础，包括最后一个索引）的两元组，例如，fig.add_subplot（3，1，（1，2））构成了一个跨越图上部2/3的子时隙。

import matplotlib.pyplot as plt
import numpy as np
import matplotlib.transforms as mtransforms

# 固定随机种子
np.random.seed(0)

# 确定画布的大小
fig = plt.figure(figsize=(10,20))


# plt.subplot(421)等价于plt(4,2,1)，即3行两列中的第一个子图
ax1 = plt.subplot(4, 2, 1, title="first subplot (4,2,1)")
plt.imshow(np.random.random((10, 10)))

# 这个子图没有边框
ax2 = plt.subplot(422, frame_on=False, title="no frame subplot")
plt.imshow(np.random.random((10, 10)))

# 极坐标子图
ax3 = plt.subplot(423, projection='polar', title="polar subplot")
xs = np.arange(7)
ys = xs**2
trans_offset = mtransforms.offset_copy(ax3.transData, fig=fig, y=5, units='dots')
'''
x, y : float, default: 0.0 -> x，y方向上偏移的距离.
'''
for x, y in zip(xs, ys):
    plt.polar(x, y, 'ro')
    plt.text(x, y, '%d, %d' % (int(x), int(y)),
            transform=trans_offset,
            horizontalalignment='center',
            verticalalignment='bottom')

# 添加红色背景，因为和ax2共享x轴的比例
plt.subplot(424, sharex=ax2, facecolor='red', title="red facecolor subplot")
plt.imshow(np.random.random((10, 10)))

# (5，6)代表这个子图可以使用原本5，6这两个子图的空间，并于ax2共享比例，可以看到，比例是由最大的那个决定的
plt.subplot(4,2,(5, 6), sharex=ax2, title="corss (5,6) subplot")
plt.imshow(np.random.random((10, 28)))

# 刻度线
plt.subplot(4,2,7, title="about ticks change subplot 1")
plt.minorticks_on() #开启微小刻度线
plt.tick_params(which='major',width=4) #让主刻度线变粗


# 刻度线
plt.subplot(4,2,8, title="about ticks change subplot 2")
plt.minorticks_off()
plt.tick_params(top=True,bottom=False,left=False,right=False)
plt.tick_params(labeltop=True,labelleft=False,labelright=False,labelbottom=False)

plt.show()

2、plt.subplots_adjust() 与 plt.axes()来控制子图的位置

        plt.subplots()能够自动确定子图的位置，但是不够灵活，而通过plt.subplots_adjust() 与 plt.axes()就可以实现子图任意位置的摆放。
        假设我现在有如下长条状的图片imgs:

        然后通过plt.subplots_adjust() 与 plt.axes()我可以让多张这样的图片根据我喜欢的位置进行排列。其用法如下：
        plt.subplots_adjust():
        Parameters:
        left: float, optional
        子图左边缘的位置，作为图形宽度的一部分。
        right:float, optional
        子图右边缘的位置，作为图形宽度的一部分。
        bottom:float, optional
        子图底边缘的位置，作为图形宽度的一部分。
        top:float, optional
        子图顶边缘的位置，作为图形宽度的一部分。
        wspace:float, optional
        子图之间的填充宽度，作为平均轴宽度的一部分。
        hspace:float, optional
        子图之间的填充高度，作为平均轴宽度的一部分。

        plt.axes()
        最主要的Parameters:
        rect: [left, bottom, width, height] -> 分别代表子图的左下点位置，以及子图的宽、高。

# 画图
def imshow(imgs):
    imgs = imgs / 2.0 + 0.5  # 逆归一化，像素值从[-1, 1]回到[0, 1]
    imgs = imgs.cpu().numpy().transpose((1, 2, 0))  # 图像从(C, H, W)转回(H, W, C)的numpy矩阵
    plt.axis("off")
    plt.imshow(imgs)# 这一行不会讲图片显示出来，需要plt.show()才会最终将图片显示

# 添加一个覆盖整个窗口的子图，背景色为灰色
plt.axes(facecolor='grey')
# 取消标签
plt.tick_params(top=False,bottom=False,left=False,right=False)
plt.tick_params(labeltop=False,labelleft=False,labelright=False,labelbottom=False)

plt.subplots_adjust(left=0, bottom=0, right=1, top=1)
plt.axes([0, 0.9, 1, 0.15])
imshow(imgs)

plt.axes([0, 0.75, 1, 0.15])
imshow(imgs)

plt.axes([0, 0.6, 1, 0.15])
imshow(imgs)

plt.axes([0, 0.45, 1, 0.15])
imshow(imgs)

plt.show()