matplotlib画图基础篇（二）

最新推荐文章于 2022-06-01 13:33:52 发布

他是只猫

最新推荐文章于 2022-06-01 13:33:52 发布

阅读量214

点赞数

分类专栏： python数据处理文章标签： python matplotlib 数据可视化

本文链接：https://blog.csdn.net/suwuzs/article/details/118074071

版权

python数据处理专栏收录该内容

4 篇文章 0 订阅

订阅专栏

本文介绍了如何使用Matplotlib库在Python中创建和调整子图，包括使用`plt.subplots`和`GridSpec`方法创建均匀和非均匀分布的子图。示例展示了如何在同一图表中绘制散点图、折线图、饼图和条形图，并通过调整子图的行列数和尺寸比例来实现复杂的布局。此外，还展示了如何通过切片操作合并子图，实现跨图功能。

摘要由CSDN通过智能技术生成

前言

官网：

http://matplotlib.org/

学习方式：从官网examples入门学习

http://matplotlib.org/examples/index.html
http://matplotlib.org/gallery.html

子图—matplotlib调整绘图格式

Matplotlib的可以把很多张图画到一个显示界面，在作对比分析的时候非常有用。
对应的有plt的subplot和figure的add_subplo的方法，参数可以是一个三位数字（例如111），也可以是一个数组（例如[1,1,1]），3个数字分别代表

子图总行数
子图总列数
子图位置

1. 使用 plt.subplots 绘制均匀状态下的子图

在一个图表中，绘制多个散点图。

import matplotlib.pyplot as plt
import numpy as np

fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
fig.suptitle('demo1',size = 20)
for i in range(2):
    for j in range(5):
        axs[i][j].scatter(np.random.randn(10), np.random.randn(10))
        axs[i][j].set_title('(%d,%d)'%(i+1,j+1))
        axs[i][j].set_xlim(-5,5)
        axs[i][j].set_ylim(-5,5)
        if i==1: axs[i][j].set_xlabel('x_axis')
        if j==0: axs[i][j].set_ylabel('y_axis')
fig.tight_layout()
plt.show()

在这里插入图片描述
在一个图表中，绘制多中图表。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# author: chenqionghe

# 画第1个图：折线图
x=np.arange(1,100)
plt.subplot(221)
plt.plot(x,x*x)

# 画第2个图：散点图
plt.subplot(222)
plt.scatter(np.arange(0,10), np.random.rand(10))

# 画第3个图：饼图
plt.subplot(223)
plt.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])

# 画第4个图：条形图
plt.subplot(224)
plt.bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()

在这里插入图片描述

2.使用 GridSpec 绘制非均匀子图

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=5, width_ratios=[1,2,3,4,5], height_ratios=[1,3])
fig.suptitle('demo2', size=20)
for i in range(2):
    for j in range(5):
        ax = fig.add_subplot(spec[i, j])
        ax.scatter(np.random.randn(10), np.random.randn(10))
        ax.set_title('(%d,%d)'%(i+1,j+1))
        if i==1: ax.set_xlabel('X')
        if j==0: ax.set_ylabel('Y')
fig.tight_layout()
plt.show()

在这里插入图片描述

#在上面的例子中出现了 spec[i, j] 的用法，事实上通过切片就可以实现子图的合并而达到跨图的共能
fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=6, width_ratios=[2,2.5,3,1,1.5,2], height_ratios=[1,2])
fig.suptitle('demo3', size=20)
# sub1
ax = fig.add_subplot(spec[0, :3])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub2
ax = fig.add_subplot(spec[0, 3:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub3
ax = fig.add_subplot(spec[:, 5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub4
ax = fig.add_subplot(spec[1, 0])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub5
ax = fig.add_subplot(spec[1, 1:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
fig.tight_layout()

在这里插入图片描述

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# author: chenqionghe

# 画第1个图：折线图
x=np.arange(1,100)
plt.subplot(221)
plt.plot(x,x*x)

# 画第2个图：散点图
plt.subplot(222)
plt.scatter(np.arange(0,10), np.random.rand(10))

# 画第3个图：饼图
plt.subplot(223)
plt.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f',explode=[0,0.05,0,0])

# 画第3个图：条形图
# 前面的两个图占了221和222的位置，如果想在下面只放一个图，得把前两个当成一列，即2行1列第2个位置
plt.subplot(212)
plt.bar([20,10,30,25,15],[25,15,35,30,20],color='b')
plt.show()