Matplotlib（二）—— 子图

Matplotlib（二）—— 子图

大家可以关注知乎或微信公众号的share16，我们也会同步更新此文章。

四、子图

4.1 均匀子图

4.1.1 plt.subplots

fig,ax = plt.subplots(nrows, ncols, figsize, sharex, sharey, squeeze, subplot_kw, gridspec_kw, fig_kw)

• 返回值：type(fig)是matplotlib.figure.Figure，type(ax)是numpy.ndarray；
• nrows/ncols：创建行数*列数的子图；
• figsize：指定整个画布的大小，以元组形式输入；
• sharex/sharey：是否共享x/y轴的属性； squeeze：默认True；
• subplot_kw：带有关键字的字典，该关键字传递给用于创建每个子图的add_subplot调用；
• gridspec_kw：带有关键字的字典，该关键字传递给用于创建每个子图网格的GridSpec函数；
  

4.1.2 plt.subplot

plt.subplot(nrows, ncols, index, projection, **kwargs)

• projection：可取值{None / aitoff / hammer / lambert / mollweide / polar / rectilinear }

plt.tight_layout() 调整子图的相对大小使字符不会重叠

4.2 非均匀子图

   所谓非均匀包含两层含义，第一是指图的比例大小不同但没有跨行或跨列，第二是指图为跨列或跨行状态。

4.2.1 fig.add_gridspec

spec = fig.add_gridspec(nrows, ncols, width_ratios, height_ratios, **kwargs)

• 没有 plt.add_gridspec 函数；
• width_ratios/height_ratios：列表里的元素数与列数(行数)相等，代表各列(行)的宽度(高度)比例；

ax_k = fig.add_gridspec(spec[i,j]) spec[i,j]类似于索引

4.3 子图上的方法

fig,ax = plt.subplots(nrows, ncols, figsize, ···)

• ax对象上定义了和plt类似的图形绘制函数，常用的有：plot、hist、scatter、bar、barh、pie；
• 常用直线(水平/垂直/任意方向)的画法，依次为：ax.axhline(y,xmin,xmax)、ax.axvline(x,ymin,ymax)、ax.axline((x1,y1),(x2,y2))或ax.axline((x1,y1),slope) slope是斜率；
• 设置坐标轴的规度(对数坐标等)、标题、轴名，依次为：set_xscale、set_title、set_xlabel；
• 添加网格、图例：ax.grid(alpha=0.5,color=‘m’)、ax.legend(); 图例：放在plot函数中，方能显示全部字符，若放置在legend中，则只显示一个字符；
• 添加文本注释：ax.annotate(s,xy,xytext,arrowprops,···)，(s:注释的文本、xy:要注释的点、xytext:放置文本的位置、arrowprops:dict类型)；
• 添加箭头、将文本添加到(x,y)处：ax.arrow、ax.text(x,y,s,···)；

4.4 墨尔本温度数据集

绘制出墨尔本1981～1990年的温度曲线，数据集点此下载

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

df = pd.read_csv('/xxx/08 墨尔本温度.csv')
# Series操作时，转变成字符串
df['year'] = df.Time.str.split('-',expand=True)[0]
df.set_index('year',inplace=True)

rows,cols = 2,5
year = np.array(df.index.unique()).reshape(rows,cols)
fig,ax = plt.subplots(rows,cols,figsize=(15,4),sharex=True,sharey=True)
fig.suptitle('墨尔本1981～1990年温度曲线')
for i in range(2):
    for j in range(5):
        k = str(year[i][j])
        t = df.loc[k].Temperature
        ax[i][j].plot(range(1,len(t)+1),t,marker='*')
        ax[i][j].set_title(k+'年')
        if j == 0:
            ax[i][j].set_ylabel('气温')
        
fig.tight_layout()

4.5 画出数据的散点图和边际分布图

import matplotlib.pyplot as plt
import numpy as np

x,y = np.random.randn(2,150)
fig = plt.figure(figsize=(6,4))
spec = fig.add_gridspec(2,2,width_ratios=[5,1],height_ratios=[1,6])

ax1 = fig.add_subplot(spec[1,0])
ax1.scatter(x,y)
ax1.grid()


ax2 = fig.add_subplot(spec[0,0])
ax2.hist(x,bins=10)
ax2.axis('off') # 隐藏坐标系

ax3 = fig.add_subplot(spec[1,1])
ax3.hist(y,bins=10,orientation='horizontal') # 直方图变成水平方向
ax3.axis('off') # 隐藏坐标系

fig.tight_layout()

plt.subplots_adjust(wspace=0, hspace=0) # 调整子图间距

谢谢大家 🌹