
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()

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()

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()

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()

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()

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()

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()

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/636561