每日一课 | Python数据可视化—如何分区和绘图

06

大家好，我是营长，昨天营长分享了数据科学”的知识点：，不清楚的小伙伴可戳这????每日一课|Python数据可视化-重新认识坐标系

本期营长接着为大家分享Python数据可视化相关内容

这期分享营长邀请的是齐伟（Python大学教材及畅销书作者）分享案列上手-Python数据可视化

作者寄语

努力面前，忘记背后，向着标杆直跑。

当遇到貌似无法克服的困难时，当怀疑自己是否能够学会时，当受到其他诱惑想放弃时，请来读一读这句话。

详细开篇词，可戳此链接：https://gitbook.cn/gitchat/column/5c6cd09e7fa9074fde9c8909/topic/5c6cd10f7fa9074fde9c890a

06

如何分区和绘图

在图纸上绘图，有时候整张图纸只绘制一幅图，有时候要绘制多幅图。在 Matplotlib 中要实现这种功能，可以使用 plt.subplots，前面已经用过此函数，此处要深入理解它的特点。

首先，要引用 Matplotlib 的模块。

%matplotlib inline
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['axes.unicode_minus'] = False

1.3.1 分区

在前面编写可视化代码的时候，plt.subplots() 已经出现过了，它返回了一个图像对象和一个坐标系对象。但是，在以往调用的时候，没有向函数提供任何参数。如果像下面代码这样，就不会只返回一个坐标系对象了。

fig, ax = plt.subplots(3, 3, sharex='col', sharey='row')

输出结果：

从输出结果中可知，现在得到了 3 × 3 = 9 个坐标，即在一张图中得到了 9 个坐标系。

ax
#Out:
array([[<matplotlib.axes._subplots.AxesSubplot object at 0x118bb3470>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x118ba69b0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11ac36e48>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x11ac652b0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11ac8c6d8>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11acb49b0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x11acdcc88>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11ad0c0b8>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11ad333c8>]],
      dtype=object)

变量 ax 其实引用了一个数组对象，其形状是 3 × 3 的，每个元素是一个坐标系对象。于是乎就可以通过类似 ax[1, 2] 的方式得到某一个坐标系对象，然后对该坐标系对象实施有关操作，比如设置属性，或者调用方法，在上一课中有一个绘制脸谱的例子，就是这个道理的具体应用。

作为复习，可以看下面的代码，目的是依次在每个坐标系内标注上行列。

fig, ax = plt.subplots(3, 3, sharex='col', sharey='row')
for i in range(3):
    for j in range(3):
        ax[i, j].text(0.5, 0.5, str((i, j)), fontsize=18, ha='center')

输出结果：

显然，以上功能的实现，就在于 plt.subplots 函数。为了深入理解此函数，可以先浏览它的完整参数。

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

结合之前展示的 Matplotlib 中函数（方法）的参数，会发现不仅参数个数比较多，而且还通过 **fig_kw、*arg 等方式，许可传入更多的参数。这就说明，它们提供了非常灵活的功能。但是，记忆就麻烦了。而实际上，不用刻意记忆，因为通过官方文档或者在 Jupyter 中使用查看帮助文档的智力，能够查看到对所有参数解释说明。

选择几个常用的参数给予说明：

• nrows 和 ncols，必须是整数，分别设置了行（nrows）和列（ncols）的坐标系分区数量；

• sharex 和 shapey，布尔值，或者