Python数据可视化（子图的绘制及坐标轴共享与坐标轴的定制(上)）

1.绘制单子图

import matplotlib.pyplot as plt
# 画布被规划为3×2 的矩阵区域 , 之后在索引为6 的区域中绘制子图
ax_one = plt.subplot(326)
ax_one.plot([1, 2, 3, 4, 5])
# 画布被规划为3×1 的矩阵区域 , 之后在索引为2 的区域中绘制子图
ax_two = plt.subplot(312)
ax_two.plot([1, 2, 3, 4, 5])
plt.show()

2.实例：某工厂产品A与产品B去年的销售额分析

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = [“SimHei”]
x = [x for x in range(1, 13)]
y1 = [20, 28, 23, 16, 29, 36, 39, 33, 31, 19, 21, 25]
y2 = [17, 22, 39, 26, 35, 23, 25, 27, 29, 38, 28, 20]
labels = [‘1 月’, ‘2 月’, ‘3 月’, ‘4 月’, ‘5 月’, ‘6 月’, ‘7月’, ‘8 月’, ‘9 月’, ‘10 月’, ‘11 月’, ‘12 月’]
# 将画布规划成等分布局的2×1的矩阵区域 , 之后在索引为1的区域中绘制子图
ax1 = plt.subplot(211)
ax1.plot(x, y1, ‘m–o’, lw=2, ms=5, label=‘产品A’)
ax1.plot(x, y2, ‘g–o’, lw=2, ms=5, label=‘产品B’)
ax1.set_title(“产品A 与产品B的销售额”, fontsize=11)
ax1.set_ylim(10, 45)
ax1.set_ylabel(‘销售额(亿元)’)
ax1.set_xlabel(‘月份’)
for xy1 in zip(x, y1):
ax1.annotate("%s" % xy1[1], xy=xy1, xytext=(-5, 5), textcoords=‘offset points’)
for xy2 in zip(x, y2):
ax1.annotate("%s" % xy2[1], xy=xy2, xytext=(-5, 5), textcoords=‘offset points’)
ax1.legend()
# 将画布规划成等分布局的2×2的矩阵区域 , 之后在索引为3的区域中绘制子图
ax2 = plt.subplot(223)
ax2.pie(y1, radius=1, wedgeprops={‘width’:0.5}, labels=labels, autopct=’%3.1f%%’, pctdistance=0.75)
ax2.set_title(‘产品A的销售额 ‘)
# 将画布规划成等分布局的2×2的矩阵区域 , 之后在索引为4的区域中绘制子图
ax3 = plt.subplot(224)
ax3.pie(y2, radius=1, wedgeprops={‘width’:0.5}, labels=labels,autopct=’%3.1f%%’, pctdistance=0.75)
ax3.set_title('产品B的销售额 ')
# 调整子图之间的距离
plt.tight_layout()
plt.show()

3.绘制多子图

import matplotlib.pyplot as plt
# 将画布划分为2×2的等分区域
fig, ax_arr = plt.subplots(2, 2)
# 获取 ax_arr 数组第1行第0列的元素 , 也就是第3个区域
ax_thr = ax_arr[1, 0]
ax_thr.plot([1, 2, 3, 4, 5])
plt.show()

4.实例：部分国家养猫人群比例与养狗人群比例分析

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = [“SimHei”]
# 添加无指向型注释文本
def autolabel(ax, rects):
#在每个矩形条的上方附加一个文本标签, 以显示其高度
for rect in rects:
width = rect.get_width() # 获取每个矩形条的高度
ax.text(width + 3, rect.get_y() , s=’{}’.format(width), ha=‘center’, va=‘bottom’)
y = np.arange(12)
x1 = np.array([19, 33, 28, 29, 14, 24,