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

目录

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

1. 包含一套坐标轴系
2. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
4. fig1=plt.figure(num=1)
6. x=np.linspace(-5,5, 10)
7. y=x*2+1
8. y2=x**2
10. # 绘图
11. plt.plot(x, y)
12. plt.plot(x, y2)
14. # 显示图像
15. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
4. x=np.linspace(-5,5, 10)
6. fig1=plt.figure(num=1,figsize=(3,3))
7. y=x*2+1
8. # 绘图
9. plt.plot(x, y)
11. #新开一个画布
12. fig2=plt.figure(num=2,figsize=(5, 5))
13. y2=x**2
14. # 绘图
15. plt.plot(x, y2)
17. # 显示图像
18. 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：

1. rows表示最终子图的行数;
2. columns表示最终子图的列数;
3. current_subplot_index表示当前子图的索引;
4. 这几个参数是可以连写在一起的，同样可以被识别
5. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
4. #fig=plt.figure() #可以不需要figure
6. # 子图1,散点图
7. plt.subplot(2, 2, 1)
8. plt.scatter(np.linspace(-2, 2, 5), np.random.randn(5))
10. # 子图2，折线图+网格
11. plt.subplot(2, 2, 2)
12. plt.plot(np.linspace(-2, 2, 5), np.random.randn(5))
13. plt.grid(True)
15. # 子图3，柱状图
16. plt.subplot(2, 2, 3)
17. x = np.linspace(0, 5, 5)
18. plt.bar(x, np.random.random(5))
19. plt.xticks(np.arange(0, 6))
21. # 子图4，饼图
22. plt.subplot(2, 2, 4)
23. plt.pie(np.random.random(5), labels=list("ABCDE"))
25. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
4. # 把上面subplot代码改写为subplots
6. x = np.arange(0, 100)
7. #划分子图
8. fig,axes=plt.subplots(2,2)
9. ax1=axes[0,0]
10. ax2=axes[0,1]
11. ax3=axes[1,0]
12. ax4=axes[1,1]
14. # 子图1,散点图
15. ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))
17. # 子图2，折线图+网格
18. ax2.plot(np.linspace(-2, 2, 5), np.random.randn(5))
19. plt.grid(True)
21. # 子图3，柱状图
22. x = np.linspace(0, 5, 5)
23. ax3.bar(x, np.random.random(5))
24. plt.xticks(np.arange(0, 6))
26. # 子图4，饼图
27. ax4.pie(np.random.random(5), labels=list("ABCDE"))
29. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
4. # 把上面subplot代码改写为，动态的fig.add_subplot()
6. #新建figure对象
7. fig=plt.figure()
9. x = np.arange(0, 100)
10. #划分子图
12. # 子图1,散点图
13. ax1=fig.add_subplot(2,2,1)
14. ax1.scatter(np.linspace(-2, 2, 5), np.random.randn(5))
16. # 子图2，折线图+网格
17. ax2=fig.add_subplot(2,2,2)
18. ax2.plot(np.linspace(-2, 2, 5), np.random.randn(5))
19. plt.grid(True)
21. # 子图3，柱状图
22. ax3=fig.add_subplot(2,2,3)
23. x = np.linspace(0, 5, 5)
24. ax3.bar(x, np.random.random(5))
25. plt.xticks(np.arange(0, 6))
27. # 子图4，饼图
28. ax4=fig.add_subplot(2,2,4)
29. ax4.pie(np.random.random(5), labels=list("ABCDE"))
31. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
4. #新建figure
5. fig = plt.figure()
7. # 定义数据
8. x = np.linspace(1,10,100)
9. y = np.cos(x)
10. #新建区域ax1
12. #figure的百分比,从figure 10%的位置开始绘制, 宽高是figure的80%
13. left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
14. # 获得绘制的句柄
15. ax1 = fig.add_axes([left, bottom, width, height])
16. ax1.plot(x, y, 'r')
17. ax1.set_title('area1')
20. #新增区域ax2,嵌套在ax1内
21. left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
22. # 获得绘制的句柄
23. ax2 = fig.add_axes([left, bottom, width, height])
24. ax2.plot(x,y, 'b')
25. ax2.set_title('area2')
26. 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：

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

• 写法2：

1. 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

1. import numpy as np
2. import matplotlib.pyplot as plt
5. x1=np.linspace(-10,10,100)
6. y1=np.exp(x1)
7. x2=np.arange(-10,10,0.1)
8. y2=np.cos(x2)
10. fig=plt.figure()
12. #同left, bottom, width, height =0.1,0.1,0.7,0.7
13. #ax1=fig.add_axes([left, bottom, width, height])
14. ax1=fig.add_axes([0.1,0.1,0.7,0.7])
15. ax1.plot(x1,y1,"b",label="y=e^x")
16. plt.legend(loc="lower left")
17. ax1.set_title("title: y=e^x")
19. ax2=fig.add_axes([0.15,0.4,0.3,0.3])
20. ax2.plot(x2,y2,"r",label="y=cos(x)")
21. plt.legend(loc="lower left")
22. ax2.set_title("title: y=cos(x)")
24. plt.show()