plt.figure、plt.subplot介绍以及绘制图中图(含代码)-Toy模板网

这篇具有很好参考价值的文章主要介绍了plt.figure、plt.subplot介绍以及绘制图中图(含代码)。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

1.1 plt.figure()函数语法介绍

figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)

1、num:图像编号或名称，数字为编号，字符串为名称
2、figsize:指定figure的宽和高，单位为英寸；
3、dpi参数指定绘图对象的分辨率，即每英寸多少个像素；
4、facecolor:背景颜色；
5、edgecolor:边框颜色；
6、frameon:是否显示边框。

figure函数就相当于画画所用的画布，在此简单描绘一个曲线来说明

1.2 figure实例

import matplotlib.pyplot as plt
import numpy as np
#np.linspace(start, stop, num)num是起点终点间隔总点数
x = np.linspace(0, 50, 1000)
y = np.cos(x)
fig = plt.figure()
plt.plot(x, y)
# plt.show()的作用就是将画布及其所画内容显示出来
plt.show()

结果显示：
plt.figure,python,numpy

关于linespace的语法说明：
np.linspace(start, stop, num, endpoint, retstep, dtype)
1、star和stop为起始和终止位置，均为标量
2、num为包括start和stop的间隔点总数，默认为50
3、endpoint为bool值，为False时将会去掉最后一个点计算间隔
4、restep为bool值，为True时会同时返回数据列表和间隔值
5、dtype默认为输入变量的类型，给定类型后将会把生成的数组类型转为目标类型
***通常是用前三个参数就可以了

2.1 subplot函数及其语法说明

subplot(a,b,c)

1、a是subplot的行数；
2、b是subplot的列数；
3、c是subplot中子图的序列号；

2.2 用subplot画多个子图

import numpy as np
# 依次输出函数f(x)=x、f(x)=x**2、f(x)=sin(x)、f(x)=tan(x)的图像
x = np.linspace(0, 10, 100)
x1 = x
x2 = x ** 2
x3 = np.sin(x)
x4 = np.tan(x)

fig = plt.figure()
# 此处的221指输出模式是两行两列，且输出对应的第一个子图
plt.subplot(221)
plt.plot(x, x1)
plt.subplot(222)
plt.plot(x, x2)
plt.subplot(223)
plt.plot(x, x3)
plt.subplot(224)
plt.plot(x, x4)
plt.show()

运行程序后输出的结果为：
plt.figure,python,numpy
根据上面程序可以看出，每一个subplot()只可以输出一个子图，要想输出多个子图，就需要使用对应的多个subplot()函数。

如果想用一个函数就直接输出多个子图，可以使用subplots()函数实现。

3.1 subplots函数介绍

在此用subplots()函数来实现同样的2*2类型的子图描绘，实现代码如下：

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)
# 划分2*2子图
fig, axes = plt.subplots(2, 2)
ax1 = axes[0, 0]
ax2 = axes[0, 1]
ax3 = axes[1, 0]
ax4 = axes[1, 1]

# 作图f(x)=x
ax1.plot(x, x)
# 作图f(x)=x**2
ax2.plot(x, x ** 2)
ax2.grid(color='r', linestyle='--', linewidth=1, alpha=0.3)
# 作图f(x)=sin(x)
ax3.plot(x, np.sin(x))
# 作图f(x)=tan(x)
ax4.plot(x, np.tan(x))
plt.show()

显示结果如下：
plt.figure,python,numpy
由此，我们可以看到subplots()函数同样实现了四个子图的描绘，在功能上和2.2节所用的subplot()函数达到了一样的效果。

4.1 使用add_axes函数绘制图中图

import numpy as np
import matplotlib.pyplot as plt

# 新建figure
fig = plt.figure()
# 定义数据
x = np.linspace(0, 10, 100)
y1=np.exp(x)
y2 = np.sin(x)
# 新建区域a
left, bottom, width, height = 0, 0, 1, 1
# 绘制图像y1
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y1, 'b')
ax1.set_title('y1=exp(x)')

# 设置新增区域b,嵌套在a图内
left, bottom, width, height = 0.3, 0.5, 0.4, 0.4
# 绘制图像y2
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x, y2, 'g')
ax2.set_title('y2=sin(x)')
plt.show()