首先说明一下为什么要用两张子图同时画图,在科研论文写作中,通常会采用组图的形式来展现几张需要对比的图,如果单独画图的话需要将每张图片通过PS等软件进行拼接。而同时在子图上绘图就会大大节省时间和精力。
绘制两张子图的逻辑是,先创建整张画布,然后分布画出两张子图。整体结构如下:
fig1 = plt.figure(figsize = (8,2),dpi = 90) #确定画布大小
ax1 = fig1.add_subplot(1,2,1) #绘制第1幅子图
pass
ax2 = fig1.add_subplot(1,2,2)#绘制第2幅子图
pass
plot.show()
图形基础设置:
plt.title('#1') #设置图片标题
plt.xlabel('X') #设置X轴标题
plt.ylabel('Y') #设置Y轴标题
plt.xlim(0,1) #设置X轴刻度的取值范围
plt.ylim(0,1) #设置Y轴刻度的取值范围
数轴刻度设置:
x_ax = [] #存储X轴刻度值
y_ax = [] #存储Y轴刻度值
for i in range(10):
x_ax = np.append(x_ax, i/10) #设置刻度范围,并调节步长
for i in range(10):
y_ax = np.append(y_ax, i/10)
plt.xticks(x_ax) #显示X轴刻度
plt.yticks(y_ax) #显示Y轴刻度
函数的写法:
data = np.arange(0,np.pi*2,0.01) #由于没有真实数据,所以伪造数据集
plt.plot(data,data**2+data*2) #y=x^2+2x
plt.plot(data,data**3) #y=x^3
图例的设置:
plt.legend(['y = x^2+2x','y = x^3'])
#loc = "best" 可以将图例调到最合适的位置
完整代码举例:
import numpy as np
import matplotlib.pyplot as plt
data = np.arange(0,np.pi*2,0.01)
fig1 = plt.figure(figsize = (8,2),dpi = 90) #确定画布大小
ax1 = fig1.add_subplot(1,2,1) #绘制第1幅子图
plt.title('#1')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,1)
plt.ylim(0,1)
x_ax = []
y_ax = []
for i in range(10):
x_ax = np.append(x_ax, i/10) #设置刻度范围,并调节步长
for i in range(10):
y_ax = np.append(y_ax, i/10)
plt.xticks(x_ax)
plt.yticks(y_ax)
plt.plot(data,data**2+data*2)
plt.plot(data,data**3)
plt.legend(['y = x^2+2x','y = x^3'])
ax2 = fig1.add_subplot(1,2,2)
plt.title('#2')
plt.xlabel('X')
plt.ylabel('Y')
plt.xlim(0,np.pi*2)
plt.ylim(-1,1)
plt.xticks([0,np.pi*2])
plt.yticks([-1,1])
plt.plot(data,np.sin(data))
plt.plot(data,np.cos(data))
plt.legend(['sin','cos'],loc='upper right',frameon = False)#loc = "best" 可以将图例调到最合适的位置
plt.savefig('C:/Users/luzhaoyou/Desktop/hhh.tif',dpi = 300,bbox_inches = 'tight') #只能在show前面
plt.show()
输出结果: