4、matplotlib中的子图相关subplot

本章主要介绍画布中的子图涉及的相关内容。

1、如何创建多个子图

matplotlib中创建多个子图所用到的函数为：

plt.subplot(subplot(nrows, ncols, index)

解释： 在当前的图中，函数创建并返回一个Axes对象，其位置索引为nrows乘ncolsaxes的网格。如果nrows、ncols和index都小于10，则索引从1到nrows*ncols，按行大顺序递增。索引也可以是单数、连数、三位数。比如说：例如，subplot(2，3，3)和subplot(233)都在当前图的右上角创建了一个Axes，占据了图高的一半和图宽的三分之一，即是2x3网格的右上角区域。

注意： 创建子图将删除任何与它重叠的、超出共享边界的已有子图。
举例：

import matplotlib.pyplot as plt
# plot画图时，当只有一个列表或者数组的时候，这个列表会被当做Y轴，X轴由索引自动生成
# 创建第一个默认背景的子图
plt.subplot(211)
plt.plot(range(12))
# 创建第二个有着黄色背景的子图
plt.subplot(212, facecolor='y') # creates 2nd subplot with yellow background
plt.plot([4,6,8])
plt.show()

显示结果如下：

画布中的add_subplot()函数不会覆盖现有的图，看下面实例：

import matplotlib.pyplot as plt
fig = plt.figure()
# 在这个画布中用ax添加第一个子块
ax1 = fig.add_subplot(111)
ax1.plot([1,2,3])
#在这个画布分成2x2的区域，取第一个区域进行 画图
ax2 = fig.add_subplot(221, facecolor='y')
ax2.plot([1,2,3])

显示结果如下，我们可以看出，第二个子块添加的时候，第一个子块不会消失。

同时，您可以通过在同一图形画布中添加另一个轴对象，在同一图形中添加插入图。示例如下：

import matplotlib.pyplot as plt
import numpy as np
import math
x = np.arange(0, math.pi*2, 0.05)
fig=plt.figure()
# 通过fig.add_axes给设定的axes调整位置和大小
# 主要的axes
axes1 = fig.add_axes([0.1, 0.1, 0.8, 0.8]) # main axes
# 插入的axes
axes2 = fig.add_axes([0.55, 0.55, 0.3, 0.3]) # inset axes
y = np.sin(x)
# 分别在axes1区域和axes2区域作图
axes1.plot(x, y, 'b')
axes2.plot(x,np.cos(x),'r')
# 分别给axes1区域和axes2区域设置标题
axes1.set_title('sin')
axes2.set_title("cos")
plt.show()

2、subplots()函数

Matplotlib的spyplot API有一个名为subplots()的函数，它作为一个实用的包装器，有助于在一次调用中创建常见的子图布局，包括包围图对象。该函数如下：

plt.subplots(nrows, ncols)

该函数的两个整数参数指定了子图网格的行数和列数。该函数返回一个图形对象和一个包含等于nrows*ncols的坐标轴对象的元组。每个坐标轴对象都可以通过它的索引来访问。这里我们创建一个2行2列的子图，并在每个子图中显示4个不同的图，示例如下：

import matplotlib.pyplot as plt
import numpy as np
# 创建一个画布，并将这个画布分成2x2个的子区域
fig,a =  plt.subplots(2,2)
x = np.arange(1,5)
# 在第一个axes区域画图并设置标题
a[0][0].plot(x,x*x)
a[0][0].set_title('square')
# 在第一行第二列的axes区域画图并设置标题
a[0][1].plot(x,np.sqrt(x))
a[0][1].set_title('square root')
# 在第二行第一列的axes区域画图并设置标题
a[1][0].plot(x,np.exp(x))
a[1][0].set_title('exp')
# 在第二行第二列的axes区域画图并设置标题
a[1][1].plot(x,np.log10(x))
a[1][1].set_title('log')
plt.show()

显示结果如下：

3、subplot2grid()函数

这个函数在网格的特定位置创建轴对象时提供了更多的灵活性。它还允许轴对象跨越多行或多列。函数如下：

plt.subplot2grid(shape, location, rowspan, colspan)

在下面的例子中，画布对象的3X3网格中填充了大小不一的行跨度和列跨度的axes对象，每个axes对象都绘制了不同的图。

import matplotlib.pyplot as plt
import numpy as np
axes1 = plt.subplot2grid((3,3),(0,0),colspan = 2)
axes2 = plt.subplot2grid((3,3),(0,2), rowspan = 3)
axes3 = plt.subplot2grid((3,3),(1,0),rowspan = 2, colspan = 2)
x = np.arange(1,10)
axes2.plot(x, x*x)
axes2.set_title('square')
axes1.plot(x, np.exp(x))
axes1.set_title('exp')
axes3.plot(x, np.log(x))
axes3.set_title('log')
# tight_layout会自动调整子图参数，使之填充整个图像区域，减少排版出错。
plt.tight_layout()
plt.show()

‘’’
shape为3x3，画布共分成了9个网格，location为（0，0）时，代表第一个网格，为（0，2）时代表第一行第三个网格，，依次类推。对于axes1来说，colspan=3的意思是这个axes区域从网格的起始点（0，0）开始，又在此基础上占据了两列。同理，对于axes2来说，rowspan=3，是在（0，2）这个起始网格点的基础上，又增加了三行。对于axes3来说，rowspan=2，colspan=2，是在（1，0）这个网格点做起始点的基础上又增加了两行两列。

实际占据的区域如下图所示：

颜色相同的代表一个axes区域，第一行前两列为axes1占据的位置，第二、三行前两列为axes3占据的位置，右边最后一列是axes2占据的区域。

‘’’
上面代码的结果如下：

4、grids函数

axes对象的grid()函数可以设置网格在图中的可见性为开启或关闭。你也可以显示网格的主要/次要（或两者）刻度。此外，在grid()函数中还可以设置颜色、线型和线宽属性。
示例如下：

import matplotlib.pyplot as plt
import numpy as np
fig, axes = plt.subplots(1,3, figsize = (12,4))
x = np.arange(1,11)
axes[0].plot(x, x**3, 'g',lw=2)
# plt.grid()为显示网格线，1=True=默认显示；0=False=不显示
axes[0].grid(True)
axes[0].set_title('default grid')
axes[1].plot(x, np.exp(x), 'r')
axes[1].grid(color='b', ls = '-.', lw = 0.25)
axes[1].set_title('custom grid')
axes[2].plot(x,x)
axes[2].set_title('no grid')
# fig.tight_layout用于自动调整子图参数
fig.tight_layout()
plt.show()

显示结果如下：

5、tight_layout()

在matplotlib中，轴Axes的位置以标准化图形坐标指定，可能发生的情况是轴标签、标题、刻度标签等等会超出图形区域，导致显示不全。Matplotlib v1.1 引入了一个新的命令tight_layout()，作用是自动调整子图参数，使之填充整个图像区域。