【python 的各种模块】(6) 如何用matplotlib来画多个图形，子图，以及图中图-Toy模板网

这篇具有很好参考价值的文章主要介绍了【python 的各种模块】(6) 如何用matplotlib来画多个图形，子图，以及图中图。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 前言&抛出问题：如何用matplotlib画多个图形？

1.1 matplotlib.pyplot里 figure下的层级，画布和图形的层级

1.2 根据 matplotlib.pyplot里 figure下的层级

1.2.1 情况1：一个画布里画图

1.2.2 情况2：代码里创建多个figure，分别作图

1.2.3 情况3：子图概念

1.2.4 情况4：图中图

2 用matplotlib 画多个函数图形

2.1 情况1：在一个画布的画图

2.2 情况2：在多个画布里，分别画图

3 情况3：一个画布里作图多个子图（多种方法）

3.1 用plt.subplot()方式绘制多子图

3.1.1 plt.subplot()基本语法

3.1.2 特殊点

3.1.3 测试代码

3.2 用plt.subplots() 方式绘制多子图

3.2.1 plt.subplots() 的基本语法

3.2.2 作图步骤

3.2.3 直接修改 plt.subplot的代码，修改为 plt.subplots

3.3 使用fig.add_subplot() 函数绘制图中图

3.3.1 基本语法

3.3.2 测试代码

4 情况4：用fig.add_axes() 实现图中图（其实是子图的一种）

4.1 基本语法

4.2 步骤

4.3 测试代码1

4.4 测试代码2

4.4.1 添加子图区域

4.4.2 定义子图区域的位置和大小 ax1=fig.add_axes([left, bottom, width, height])

4.4.3 设置图例和标题，都是每个子图区域单独一套（独立显示）

1 前言&抛出问题：如何用matplotlib画多个图形？

如果要画多个图形，可能有各种情况，我大致整理为下面4种：

情况1
情况2
情况3
情况4

1.1 matplotlib.pyplot里 figure下的层级，画布和图形的层级

第1层： figure 画布
第2层： axes 子图
第3层： axis 坐标轴

1.2 根据 matplotlib.pyplot里 figure下的层级

1.2.1 情况1：一个画布里画图

可以在一个画布里只有1套坐标轴，画1个图形
可以在一个画布里只有1套坐标轴，画多个图形，叠加显示在一起

1.2.2 情况2：代码里创建多个figure，分别作图

如果代码里有多个figure
可以在每个figure画布里，有1套坐标轴和画1个图形

1.2.3 情况3：子图概念

代码里只有1个figure
但是里面可以有多个子图：axes
每个子图

包含一套坐标轴系
包含1个或多个图形

1.2.4 情况4：图中图

代码里有2个figure
1个figure正常显示一个或多个图形
另外一个figure，内嵌在这个figure里

2 用matplotlib 画多个函数图形

2.1 情况1：在一个画布的画图

1张画布，1个坐标轴系，多个图形叠在一起
这种情况下，图形比较适合进行对比，比较

import numpy as np
import matplotlib.pyplot as plt

fig1=plt.figure(num=1)

x=np.linspace(-5,5, 10)
y=x*2+1
y2=x**2

# 绘图
plt.plot(x, y)
plt.plot(x, y2)

# 显示图像
plt.show()

matplotlib 多图,python,matplotlib,开发语言

2.2 情况2：在多个画布里，分别画图

多张画布
多个坐标轴系
每个画布里分别包含1个/多个图形

import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(-5,5, 10)

fig1=plt.figure(num=1,figsize=(3,3))
y=x*2+1
# 绘图
plt.plot(x, y)

#新开一个画布
fig2=plt.figure(num=2,figsize=(5, 5))
y2=x**2
# 绘图
plt.plot(x, y2)

# 显示图像
plt.show()

matplotlib 多图,python,matplotlib,开发语言

3 情况3：一个画布里作图多个子图（多种方法）

1张画布
多个坐标轴系
分别包含1个图形
且按内部序号排列，图形上按表格排列

3.1 用plt.subplot()方式绘制多子图

3.1.1 `plt.subplot()`基本语法

plt.subplot()方式绘制多子图，只需要传入简单几个参数即可：
plt.subplot(rows, columns, current_subplot_index)
形如plt.subplot(2, 2, 1) 或者 plt.subplot(221)，其中：

rows表示最终子图的行数;
columns表示最终子图的列数;
current_subplot_index表示当前子图的索引;
这几个参数是可以连写在一起的，同样可以被识别
例如：上面的plt.subplot(2, 2, 1)，写成plt.subplot(221)，两者是等价的。

3.1.2 特殊点

plt.subplot()方式绘制多子图时，不需要先创建一个figure
#fig=plt.figure() #可以不需要figure

3.1.3 测试代码

import numpy as np
import matplotlib.pyplot as plt

#fig=plt.figure()  #可以不需要figure

# 子图1,散点图
plt.subplot(2, 2, 1)
plt.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
plt.subplot(2, 2, 2)
plt.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
plt.subplot(2, 2, 3)
x = np.linspace(0, 5, 5)
plt.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
plt.subplot(2, 2, 4)
plt.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

matplotlib 多图,python,matplotlib,开发语言

3.2 用plt.subplots() 方式绘制多子图

3.2.1 `plt.`subplots() 的基本语法

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

nrows：默认为 1，设置图表的行数。
ncols：默认为 1，设置图表的列数。
sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 'none'、'all'、'row' 或 'col'。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 'all'：所有子图共享 x 轴或 y 轴，'row' 设置每个子图行共享一个 x 轴或 y 轴，'col'：设置每个子图列共享一个 x 轴或 y 轴。
squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N*1 或 1*N 个子图，返回一个 1 维数组，对于 N*M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
**fig_kw：把详细的关键字参数传给 figure() 函数。

3.2.2 作图步骤

STEP1: 先设定figure 和划分 axes子区域
STEP2: 分配每个子区域的位置
STEP3: 每个子区域单独作图

fig,axes=plt.subplots(2,2)

ax1=axes[0,0]

ax2=axes[0,1]

ax3=axes[1,0]

ax4=axes[1,1]

# 子图1,散点图
ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

3.2.3 直接修改 plt.subplot的代码，修改为 plt.subplots

import numpy as np  
import matplotlib.pyplot as plt

# 把上面subplot代码改写为subplots

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

# 子图1,散点图
ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
ax2.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
x = np.linspace(0, 5, 5)
ax3.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
ax4.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

matplotlib 多图,python,matplotlib,开发语言

3.3 使用fig.add_subplot() 函数绘制图中图

3.3.1 基本语法

fig.add_subplot(2,2,1)
这个语法和 plt.subplot() 相似
但是差别就是，这个是动态的设计子图

对比

方式1: plt.subplot()

plt.subplot(2, 2, 1)

方式2: fig.add_subplot()

ax1=fig.add_subplot(2,2,1)

ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

3.3.2 测试代码

import numpy as np  
import matplotlib.pyplot as plt

# 把上面subplot代码改写为，动态的fig.add_subplot()

#新建figure对象
fig=plt.figure()

x = np.arange(0, 100)  
#划分子图

# 子图1,散点图
ax1=fig.add_subplot(2,2,1)    
ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))

# 子图2，折线图+网格
ax2=fig.add_subplot(2,2,2)    
ax2.plot(np.linspace(-2, 2, 5), np.random.randn(5))
plt.grid(True)

# 子图3，柱状图
ax3=fig.add_subplot(2,2,3)    
x = np.linspace(0, 5, 5)
ax3.bar(x, np.random.random(5))
plt.xticks(np.arange(0, 6))

# 子图4，饼图
ax4=fig.add_subplot(2,2,4)    
ax4.pie(np.random.random(5), labels=list("ABCDE"))

plt.show()

matplotlib 多图,python,matplotlib,开发语言

4 情况4：用fig.add_axes() 实现图中图（其实是子图的一种）

4.1 基本语法

fig.add_axes([left, bottom, width, height])
本质和上面用 fig.add_axes(）实现多子图的方法差不多
所以，可以认为图中图是另外一种形式的子图

4.2 步骤

STEP1: 创建子图 ax1 = fig.add_axes([left, bottom, width, height])
STEP2: 在子图中，画图，ax1.plot(x, y, 'r')
STEP3: 标准子图的标题，ax1.set_title('area1')

4.3 测试代码1

import numpy as np  
import matplotlib.pyplot as plt  

#新建figure
fig = plt.figure()

# 定义数据
x = np.linspace(1,10,100)
y = np.cos(x)
#新建区域ax1

#figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
# 获得绘制的句柄
ax1 = fig.add_axes([left, bottom, width, height])
ax1.plot(x, y, 'r')
ax1.set_title('area1')


#新增区域ax2,嵌套在ax1内
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
# 获得绘制的句柄
ax2 = fig.add_axes([left, bottom, width, height])
ax2.plot(x,y, 'b')
ax2.set_title('area2')
plt.show()

matplotlib 多图,python,matplotlib,开发语言

4.4 测试代码2

可以清晰的发现，图中图，就是子图的一种表现形式

4.4.1 添加子图区域

下面就是在figure里添加一个子图区域

ax1=fig.add_axes([0.1,0.1,0.7,0.7])

4.4.2 定义子图区域的位置和大小 ax1=fig.add_axes([left, bottom, width, height])

下面2种写法相同
ax1=fig.add_axes([left, bottom, width, height])
含义
fig.add_axes([X起点百分比, Y起点百分比, X长度百分比, Y长度百分比])
写法1：

left, bottom, width, height =0.1,0.1,0.7,0.7
ax1=fig.add_axes([left, bottom, width, height])

写法2：

ax1=fig.add_axes([0.1,0.1,0.7,0.7])

4.4.3 设置图例和标题，都是每个子图区域单独一套（独立显示）

如果加的是 plt.plot(,label="") 则必须匹配一个 plt.legend() 显示图例，并且是每个子图都需要一个单独的plt.legend()
ax2.set_title("title: y=cos(x)") 可以单独设置每个figure的标题，也是每个子图区域单独一套

import numpy as np
import matplotlib.pyplot as plt


x1=np.linspace(-10,10,100)
y1=np.exp(x1)
x2=np.arange(-10,10,0.1)
y2=np.cos(x2)

fig=plt.figure()

#同left, bottom, width, height =0.1,0.1,0.7,0.7
#ax1=fig.add_axes([left, bottom, width, height])
ax1=fig.add_axes([0.1,0.1,0.7,0.7])
ax1.plot(x1,y1,"b",label="y=e^x")
plt.legend(loc="lower left")
ax1.set_title("title: y=e^x")

ax2=fig.add_axes([0.15,0.4,0.3,0.3])
ax2.plot(x2,y2,"r",label="y=cos(x)")
plt.legend(loc="lower left")
ax2.set_title("title: y=cos(x)")

plt.show()

matplotlib 多图,python,matplotlib,开发语言文章来源地址https://www.toymoban.com/news/detail-842435.html