matplotlib 一张图多个图_?Matplotlib+Pandas：绘制温湿度对比图(2)

最新推荐文章于 2024-08-29 13:18:08 发布

杜绍斐 DUSHAOFEI

最新推荐文章于 2024-08-29 13:18:08 发布

阅读量528

点赞数

文章标签： matplotlib 一张图多个图

本文链接：https://blog.csdn.net/weixin_33413018/article/details/112535444

版权

在Matplotlib+Pandas：绘制温湿度对比图(1)中，绘制和优化了温湿度变化比较图，最终结果较为满意。发文后没过多久，有同学私聊我，给我发了一张图（如下所示），很洋洋得意的告诉我，他觉得两个子图太麻烦，试着试着用了一张图将我的前文可视化结果展示出来了。

我起初很欣喜，终于有学生会举一反三了，但是看着图，看着看着觉得不对劲了= =|||

乍一看，给人一种完美可视化结果的感觉，到底错在哪里呢？

上图，将温度与湿度用同一个坐标轴（纵轴）表示，默认了温度与湿度是同一个度量单位（量纲），犯了典型的常识错误！我们都知道温度单位是摄氏度，而湿度常用相对湿度表示，它没有单位，它是一个比值（百分比）。

因此，在绘制可视化结果时，应该用不同的坐标刻度表示，即图的左边和右边分别绘制相应属性的坐标刻度。

既然问题找到了，接下来进行“改错”。

Matplotlib中主次坐标轴画法

这句话读起来很高级，其实非常简单。直接上代码上图，进行直观学习

先上错误代码，分析错误原因，之后改正，加深映像

import  pandas as pd
import  matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

df = pd.read_excel('D:PycharmProjectsData exercises数据可视化数据.xlsx')
print(df)
x = df['时间']
y1 = df['温度']
y2 = df['湿度']

fig = plt.figure(figsize = (12,6))
plt.plot(x, y1)
plt.plot(x, y2)

plt.legend()

plt.xlabel('时间')
plt.ylabel('温度及湿度')
plt.title('温度湿度随时间变化走势图')
plt.xticks(rotation=-20)

plt.show()

在上述代码中，利用两次plt.plot()进行绘制操作，由于两次传入的值不同，因此，画出了两个曲线（温度、湿度），没问题，是正确的。

错误的地方在于没有分别设置X轴，Y轴，只基于Matplotlib中默认方式进行了展示。

解决办法：twinx（）→作用是产生一个Y轴的镜面坐标系

例如，如下代码，将产生一个默认横纵坐标为[0, 1]的可视化界面

import  matplotlib.pyplot as plt

fig = plt.figure()
ax1 = plt.subplot()

plt.show()

接下来，利用twinx（）进行镜像操作，代码和可视化结果如下

import  matplotlib.pyplot as plt

fig = plt.figure()
ax1 = plt.subplot()

ax2 = ax1.twinx()

plt.show()

ax2 = ax1.twinx()的意思是对ax1的坐标面进行镜像操作，产生一个镜像坐标面，该坐标面被保存在ax2中。

产生了想要的效果，接下来的操作就顺风顺水了（希望如此= =|||）

ax1.plot(x, y1, color='r')
ax2.plot(x, y2, color='b')

通过plot（）可以向ax1和ax2坐标面给值，进行绘制，完整代码如下

import  pandas as pd
import  matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

df = pd.read_excel('D:PycharmProjectsData exercises数据可视化数据.xlsx')

x = df['时间']
y1 = df['温度']
y2 = df['湿度']

fig = plt.figure()
ax1 = plt.subplot()

ax2= ax1.twinx()

ax1.plot(x, y1, color='r')
ax2.plot(x, y2, color='b')

plt.show()

有些人一看图，怎么觉得和第七讲最后的图差别很大？原因是第七讲的图被预先缩放了画布比例。给上述代码中fig = plt.figure()给定和第七讲内容一样的画布大小（因为第七讲中是两个子图共用一块画布，所有在这里需要将宽再缩小一倍，即长、宽分别为13和2）

fig = plt.figure(figsize = (13,2))

修改后再次出图，如下图所示，几乎和第七讲中最后的图没有区别，只不过这里是在一张图中显示两个属性随时间的变化情况，而第七讲中的是分别划分两个子图进行显示

“洁癖”又犯了......上图实在太丑，我们继续优化。优化点还是两个：

第一，坐标轴标签以及刻度优化；第二，图例

（1）坐标轴标签标注以及刻度优化

对各个坐标轴进行标注，代码如下：

ax1.set_xlabel('时间')
ax1.set_ylabel('温度')
ax2.set_ylabel('湿度')

在这里，大家要记清楚一点！我们这个数据可视化图中共用X轴，那么X轴的标度是无法用前几课介绍的plt.xticks(rotation=-20)进行逆时针旋转二十度操作！

但是，网上有大神，秀了一波操作，可以用如下代码代替plt.xticks（）进行共轴坐标轴的旋转，代码如下：

for xtick in ax1.get_xticklabels():
    xtick.set_rotation(-20)

非常的秀，由此可见，代码是非常灵活的！

坐标轴标签标注以及刻度优化代码如下：

import  pandas as pd
import  matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

df = pd.read_excel('D:PycharmProjectsData exercises数据可视化数据.xlsx')

x = df['时间']
y1 = df['温度']
y2 = df['湿度']

fig = plt.figure(figsize = (12,6))
ax1 = plt.subplot()

ax2= ax1.twinx()

ax1.plot(x, y1, color='r')
ax2.plot(x, y2, color='b')

ax1.set_xlabel('时间')
ax1.set_ylabel('温度')
ax2.set_ylabel('湿度')

for xtick in ax1.get_xticklabels():
    xtick.set_rotation(-20)

plt.show()

（2）图例

这里我遇到一个坑，对于两个坐标平面，我连续用了两个legend（）去做，但是每次只显示一个图例，刚开始以为是前一个图例覆盖了后一个图例，其实不然......原因是两个图例在默认情况下显示在了同一个位置，感官上是一个把一个掩盖了。折腾了半天，终于找到了解决办法，legend（）的其中一个参数loc是给定图例在整个图上

例如legend（loc = 2）指定图例在图中的右上角显示，loc参数中一共是1~10，对应图中位置如下图所示：

添加图例后的代码及可视化结果如下所示：

import  pandas as pd
import  matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

df = pd.read_excel('D:PycharmProjectsData exercises数据可视化数据.xlsx')

x = df['时间']
y1 = df['温度']
y2 = df['湿度']

fig = plt.figure(figsize = (12,6))
ax1 = plt.subplot()

ax2= ax1.twinx()

ax1.plot(x, y1, color='r')
ax2.plot(x, y2, color='b')

ax1.set_xlabel('时间')
ax1.set_ylabel('温度')
ax2.set_ylabel('湿度')

for xtick in ax1.get_xticklabels():
    xtick.set_rotation(-20)

plt.show()

作为一个追求完美的老师，上图中，图例是分散的，不符合我们的审美概念和习惯，图例应该是在一起显示，但是作为双Y轴图表，不能直接粗暴的使用

ax1.legend（）
ax2.legend（）

之前已经提到过，这样会发生覆盖现象

只能进行如下操作：

fig.legend(loc=1, bbox_to_anchor=(1,1), bbox_transform=ax1.transAxes)

这里给大家留个自学机会，去查阅legend（）的参数及其作用

最终版，基于双Y轴可视化显示，代码及可视化结果如下（额外补充了图的标题）

import  pandas as pd
import  matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

df = pd.read_excel('D:PycharmProjectsData exercises数据可视化数据.xlsx')

x = df['时间']
y1 = df['温度']
y2 = df['湿度']

fig = plt.figure(figsize = (12,6))
ax1 = plt.subplot()

ax2 = ax1.twinx()

ax1.plot(x, y1, color='r')
ax2.plot(x, y2, color='b')

ax1.set_xlabel('时间')
ax1.set_ylabel('温度')
ax2.set_ylabel('湿度')

for xtick in ax1.get_xticklabels():
    xtick.set_rotation(-20)

fig.legend(loc=1, bbox_to_anchor=(1,1), bbox_transform=ax1.transAxes)

plt.show()