行业资讯

matplotlib subplot子图怎么用

发布时间：2021-11-30 09:55:04 作者：小新
来源：亿速云 阅读：275

Matplotlib Subplot子图怎么用

Matplotlib 是 Python 中最常用的数据可视化库之一，它提供了丰富的绘图功能。在数据分析和可视化过程中，我们经常需要在一个画布上绘制多个子图（subplot），以便更好地展示数据之间的关系。本文将详细介绍如何使用 Matplotlib 的 subplot 功能来创建和管理子图。

目录

  1. Matplotlib 简介
  2. Subplot 的基本概念
  3. 创建简单的 Subplot
  4. 调整 Subplot 的布局
  5. 共享坐标轴
  6. 使用 GridSpec 进行复杂布局
  7. Subplot 的高级用法
  8. 常见问题与解决方案
  9. 总结

Matplotlib 简介

Matplotlib 是一个强大的 Python 绘图库，广泛用于生成各种静态、动态和交互式的图表。它最初由 John D. Hunter 开发，现在由一个活跃的社区维护。Matplotlib 的设计灵感来源于 MATLAB，因此它的 API 与 MATLAB 的绘图函数非常相似。

Matplotlib 的核心是 pyplot 模块，它提供了类似于 MATLAB 的绘图接口。通过 pyplot，用户可以轻松地创建各种类型的图表，如折线图、散点图、柱状图、饼图等。

Subplot 的基本概念

在 Matplotlib 中，subplot 是指在一个画布上创建多个子图。每个子图都可以独立地绘制不同的图表。子图的排列方式可以是任意的，但最常见的是按行和列排列的网格布局。

子图的索引

在 Matplotlib 中，子图的索引是从 1 开始的。例如，subplot(2, 2, 1) 表示在一个 2x2 的网格中，第一个子图（左上角）。索引的顺序是从左到右、从上到下。

创建子图的基本语法

创建子图的基本语法如下：

import matplotlib.pyplot as plt

# 创建一个 2x2 的子图网格
plt.subplot(2, 2, 1)  # 第一个子图
plt.plot([1, 2, 3], [4, 5, 6])

plt.subplot(2, 2, 2)  # 第二个子图
plt.plot([1, 2, 3], [6, 5, 4])

plt.subplot(2, 2, 3)  # 第三个子图
plt.plot([1, 2, 3], [7, 8, 9])

plt.subplot(2, 2, 4)  # 第四个子图
plt.plot([1, 2, 3], [9, 8, 7])

plt.show()

在这个例子中，我们创建了一个 2x2 的子图网格，并在每个子图中绘制了不同的折线图。

创建简单的 Subplot

使用 subplot 函数

subplot 函数是创建子图的最基本方法。它的语法如下：

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

示例：创建 2x2 的子图网格

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 2x2 的子图网格
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x))
plt.title('tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, np.exp(x))
plt.title('exp(x)')

plt.tight_layout()  # 自动调整子图间距
plt.show()

在这个例子中，我们创建了一个 2x2 的子图网格，并在每个子图中绘制了不同的函数图像。

使用 add_subplot 方法

除了 subplot 函数，我们还可以使用 Figure 对象的 add_subplot 方法来创建子图。这种方法更加灵活，特别是在需要创建复杂的子图布局时。

import matplotlib.pyplot as plt
import numpy as np

# 创建一个 Figure 对象
fig = plt.figure()

# 添加子图
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot(np.sin(np.linspace(0, 10, 100)))
ax1.set_title('sin(x)')

ax2 = fig.add_subplot(2, 2, 2)
ax2.plot(np.cos(np.linspace(0, 10, 100)))
ax2.set_title('cos(x)')

ax3 = fig.add_subplot(2, 2, 3)
ax3.plot(np.tan(np.linspace(0, 10, 100)))
ax3.set_title('tan(x)')

ax4 = fig.add_subplot(2, 2, 4)
ax4.plot(np.exp(np.linspace(0, 10, 100)))
ax4.set_title('exp(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们首先创建了一个 Figure 对象，然后使用 add_subplot 方法添加了四个子图。

调整 Subplot 的布局

在创建子图时，我们经常需要调整子图之间的间距、边距等布局参数。Matplotlib 提供了多种方法来调整子图的布局。

使用 tight_layout 函数

tight_layout 函数可以自动调整子图之间的间距，以避免子图之间的重叠。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 2x2 的子图网格
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x))
plt.title('tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, np.exp(x))
plt.title('exp(x)')

plt.tight_layout()  # 自动调整子图间距
plt.show()

使用 subplots_adjust 函数

subplots_adjust 函数允许手动调整子图之间的间距和边距。它的常用参数包括：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 2x2 的子图网格
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x))
plt.title('tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, np.exp(x))
plt.title('exp(x)')

# 手动调整子图间距
plt.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9, wspace=0.4, hspace=0.4)
plt.show()

在这个例子中，我们使用 subplots_adjust 函数手动调整了子图之间的间距和边距。

共享坐标轴

在某些情况下，我们希望多个子图共享同一个坐标轴，以便更好地比较数据。Matplotlib 提供了多种方法来共享坐标轴。

使用 sharex 和 sharey 参数

在创建子图时，可以通过 sharex 和 sharey 参数来指定共享的坐标轴。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 2x2 的子图网格，并共享 x 轴和 y 轴
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True)

# 绘制子图
axs[0, 0].plot(x, np.sin(x))
axs[0, 0].set_title('sin(x)')

axs[0, 1].plot(x, np.cos(x))
axs[0, 1].set_title('cos(x)')

axs[1, 0].plot(x, np.tan(x))
axs[1, 0].set_title('tan(x)')

axs[1, 1].plot(x, np.exp(x))
axs[1, 1].set_title('exp(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们创建了一个 2x2 的子图网格，并通过 sharex=True 和 sharey=True 参数共享了 x 轴和 y 轴。

使用 twinx 和 twiny 方法

twinx 和 twiny 方法可以创建共享 x 轴或 y 轴的子图。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建主图
fig, ax1 = plt.subplots()

# 绘制第一个子图
ax1.plot(x, np.sin(x), 'b-')
ax1.set_xlabel('X axis')
ax1.set_ylabel('sin(x)', color='b')
ax1.tick_params('y', colors='b')

# 创建共享 x 轴的第二个子图
ax2 = ax1.twinx()
ax2.plot(x, np.cos(x), 'r-')
ax2.set_ylabel('cos(x)', color='r')
ax2.tick_params('y', colors='r')

plt.show()

在这个例子中，我们创建了一个主图和一个共享 x 轴的子图，分别绘制了 sin(x) 和 cos(x) 函数。

使用 GridSpec 进行复杂布局

在某些情况下，简单的网格布局无法满足需求，我们需要更复杂的子图布局。Matplotlib 提供了 GridSpec 类来实现复杂的子图布局。

创建复杂的子图布局

GridSpec 类允许我们创建复杂的子图布局，例如跨越多行或多列的子图。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 GridSpec 对象
fig = plt.figure()
gs = gridspec.GridSpec(3, 3)

# 创建子图
ax1 = fig.add_subplot(gs[0, :])
ax1.plot(x, np.sin(x))
ax1.set_title('sin(x)')

ax2 = fig.add_subplot(gs[1, :-1])
ax2.plot(x, np.cos(x))
ax2.set_title('cos(x)')

ax3 = fig.add_subplot(gs[1:, -1])
ax3.plot(x, np.tan(x))
ax3.set_title('tan(x)')

ax4 = fig.add_subplot(gs[-1, 0])
ax4.plot(x, np.exp(x))
ax4.set_title('exp(x)')

ax5 = fig.add_subplot(gs[-1, -2])
ax5.plot(x, np.log(x))
ax5.set_title('log(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们使用 GridSpec 创建了一个复杂的子图布局，其中包含跨越多行或多列的子图。

使用 subplot2grid 函数

subplot2grid 函数是另一种创建复杂子图布局的方法。它允许我们指定子图的位置和大小。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建复杂的子图布局
plt.figure()

# 创建第一个子图
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot(x, np.sin(x))
ax1.set_title('sin(x)')

# 创建第二个子图
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax2.plot(x, np.cos(x))
ax2.set_title('cos(x)')

# 创建第三个子图
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax3.plot(x, np.tan(x))
ax3.set_title('tan(x)')

# 创建第四个子图
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4.plot(x, np.exp(x))
ax4.set_title('exp(x)')

# 创建第五个子图
ax5 = plt.subplot2grid((3, 3), (2, 1))
ax5.plot(x, np.log(x))
ax5.set_title('log(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们使用 subplot2grid 函数创建了一个复杂的子图布局，其中包含跨越多行或多列的子图。

Subplot 的高级用法

使用 Axes 对象

在 Matplotlib 中，每个子图都是一个 Axes 对象。Axes 对象提供了丰富的绘图方法，可以用于绘制各种类型的图表。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 Figure 和 Axes 对象
fig, axs = plt.subplots(2, 2)

# 绘制子图
axs[0, 0].plot(x, np.sin(x))
axs[0, 0].set_title('sin(x)')

axs[0, 1].plot(x, np.cos(x))
axs[0, 1].set_title('cos(x)')

axs[1, 0].plot(x, np.tan(x))
axs[1, 0].set_title('tan(x)')

axs[1, 1].plot(x, np.exp(x))
axs[1, 1].set_title('exp(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们创建了一个 2x2 的子图网格，并使用 Axes 对象绘制了不同的函数图像。

使用 Figure 对象

Figure 对象是 Matplotlib 中的顶级容器，它可以包含多个 Axes 对象。通过 Figure 对象，我们可以更好地控制图表的布局和样式。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 创建 Figure 对象
fig = plt.figure()

# 添加子图
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot(x, np.sin(x))
ax1.set_title('sin(x)')

ax2 = fig.add_subplot(2, 2, 2)
ax2.plot(x, np.cos(x))
ax2.set_title('cos(x)')

ax3 = fig.add_subplot(2, 2, 3)
ax3.plot(x, np.tan(x))
ax3.set_title('tan(x)')

ax4 = fig.add_subplot(2, 2, 4)
ax4.plot(x, np.exp(x))
ax4.set_title('exp(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们首先创建了一个 Figure 对象，然后使用 add_subplot 方法添加了四个子图。

使用 subplot_mosaic 函数

subplot_mosaic 函数是 Matplotlib 3.3 版本引入的新功能，它允许我们使用字符串来定义子图的布局。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)

# 使用 subplot_mosaic 创建子图布局
fig, axs = plt.subplot_mosaic([
    ['A', 'A', 'B'],
    ['C', 'D', 'D']
])

# 绘制子图
axs['A'].plot(x, np.sin(x))
axs['A'].set_title('sin(x)')

axs['B'].plot(x, np.cos(x))
axs['B'].set_title('cos(x)')

axs['C'].plot(x, np.tan(x))
axs['C'].set_title('tan(x)')

axs['D'].plot(x, np.exp(x))
axs['D'].set_title('exp(x)')

plt.tight_layout()
plt.show()

在这个例子中，我们使用 subplot_mosaic 函数创建了一个复杂的子图布局，并使用字符串来定义子图的位置。

常见问题与解决方案

子图重叠

当子图之间的间距不足时，子图可能会重叠。可以通过调整 subplots_adjust 函数的 wspace 和 hspace 参数来解决这个问题。

”`python import matplotlib.pyplot as plt import numpy as np

创建数据

x = np.linspace(0, 10, 100)

创建 2x2 的子图网格

plt.subplot(2, 2, 1) plt.plot(x, np.sin(x)) plt.title(‘sin(x)’)

plt.subplot(2, 2, 2)

推荐阅读：
  1. Matplotlib绘图之属性设置
  2. matplotlib绘制多个子图(subplot)的方法

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。

matplotlib

上一篇：Java字符串怎么用

下一篇：C/C++ Qt TreeWidget单层树形组件怎么应用

相关阅读

您好，登录后才能下订单哦！

密码登录
登录注册
获取短信验证码
其他方式登录
点击 登录注册 即表示同意《亿速云用户服务条款》
产品服务
地区划分
帮助支持
关于我们
行业资讯-文章归档 问答-问答归档
广州亿速云计算有限公司

7*24小时在线电话：400-100-2938

7*24小时在线QQ：800811969

Copyright © Yisu Cloud Ltd. All Rights Reserved. 2018 版权所有
粤ICP备17096448号-1 粤公网安备 44010402001142号