Matplotlib绘图-第三回：布局格式定方圆

• 本文为DataWhale的Matplotlib训练营
• 链接：https://datawhalechina.github.io/fantastic-matplotlib/index.html

import numpy as np
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

第三回：布局格式定方圆

子图

均匀子图: plt.subplots

plt.subplots(nrows=1,ncols=1,*,sharex=False,sharey=False,squeeze=True,subplot_kw=None,gridspec_kw=None,**fig_kw,)

• nrows, ncols返回元素分别是画布和子图构成的列表，第一个数字为行，第二个为列，不传入时默认值都为1
• figsize 参数可以指定整个画布的大小
• sharex 和 sharey 分别表示是否共享横轴和纵轴刻度
• tight_layout 函数可以调整子图的相对大小使字符不会重叠

# 方法1
fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
fig.suptitle('样例1', 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('第%d行，第%d列'%(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('横坐标')
        if j==0: axs[i][j].set_ylabel('纵坐标')
fig.tight_layout()

# 方法2: 本质使用Figure.add_subplot
plt.figure()
# 子图1
plt.subplot(2,2,1) 
plt.plot([1,2], 'r')
# 子图2
plt.subplot(2,2,2)
plt.plot([1,2], 'b')
#子图3
plt.subplot(224)  # 当三位数都小于10时，可以省略中间的逗号，这行命令等价于plt.subplot(2,2,4) 
plt.plot([1,2], 'g');

• 绘制极坐标系下

N = 150
r = 2 * np.random.rand(N)
theta = 2 * np.pi * np.random.rand(N)
area = 200 * r**2
colors = theta


plt.subplot(projection='polar')
plt.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75);

非均匀子图: GridSpec

• 图的比例大小不同但没有跨行或跨列
  利用 add_gridspec 可以指定相对宽度比例 width_ratios 和相对高度比例参数 height_ratios

  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('样例2', 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('第%d行，第%d列'%(i+1,j+1))
          if i==1: ax.set_xlabel('横坐标')
          if j==0: ax.set_ylabel('纵坐标')
  fig.tight_layout()
  

• 图跨行或者跨列
  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功能

  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('样例3', 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()
  

子图上的方法

• 常用直线: axhline, axvline, axline （水平、垂直、任意方向）

  fig, ax = plt.subplots(figsize=(4,3))
  ax.axhline(0.5,0.2,0.8)
  ax.axvline(0.5,0.2,0.8)
  ax.axline([0.3,0.3],[0.7,0.7]);
  

• 灰色网格: grid

  fig, ax = plt.subplots(figsize=(4,3))
  ax.grid(True)
  

• 坐标轴刻度(指对数坐标): set_xscale

  fig, axs = plt.subplots(1, 2, figsize=(10, 4))
  for j in range(2):
      axs[j].plot(list('abcd'), [10**i for i in range(4)])
      if j==0:
          axs[j].set_yscale('log')
      else:
          pass
  fig.tight_layout()
  

思考题

• 墨尔本1981年至1990年的每月温度情况

  import numpy as np
  import pandas as pd
  import matplotlib as mpl
  import matplotlib.pyplot as plt
  
  df = pd.read_csv("layout_ex1.csv")
  df['year'] = df['Time'].apply(lambda x: x.split('-')[0])
  df['month'] = df['Time'].apply(lambda x: x.split('-')[1])
  df[['year','month']] = df[['year','month']].astype(int)
  
  mpl.rc("font",family='MicroSoft YaHei',weight='bold')
  fig, axs = plt.subplots(2, 5, figsize=(20, 4), sharex=True, sharey=True)
  fig.suptitle('墨尔本1981年至1990年月温度曲线')
  for i in range(2):
      for j in range(5):
          year = 1981+i*5+j
          axs[i][j].plot(range(1,13), df.loc[df['year']==year, 'Temperature'].values, marker = "*")
          axs[i][j].set_title('%d年'%(year))
          axs[i][j].set_xticks(range(1,13))
          if j==0: axs[i][j].set_ylabel('气温')
  fig.tight_layout()
  

• 画出数据的散点图和边际分布

  fig = plt.figure(figsize=(8, 8))
  spec = fig.add_gridspec(nrows=6, ncols=6) 
  ax1 = fig.add_subplot(spec[0:1,0:5])
  ax1.hist(my_data_x,density = True,rwidth = 0.9) 
  ax1.axis("off")
  #scatter plot
  ax2 = fig.add_subplot(spec[1:6,0:5])
  ax2.scatter(my_data_x, my_data_y)
  ax2.set_xlabel("my_data_x")
  ax2.set_ylabel("my_data_y")
  ax2.grid()
  #hist plot2
  ax3 = fig.add_subplot(spec[1:6,5])
  ax3.hist(my_data_y,orientation='horizontal',density = True,rwidth = 0.9)
  ax3.axis("off")
  fig.tight_layout()