Matplotlib之定义布局（三）

一、在Figure中排列多个Axes

通常一次在一个Figure上需要多个Axes，通常组织成规则的网格。Matplotlib 有多种工具可用于处理坐标轴网格。可以在Figure中添加以下两种Axes：

使用 plt.subplots 绘制均匀状态下的子图
使用 GridSpec 绘制非均匀子图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']   #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   #用来正常显示负号

（一）使用 plt.subplots 绘制均匀状态下的子图

返回元素分别是画布和子图构成的列表，第一个数字为行，第二个为列，不传入时默认值都为1

figsize 参数可以指定整个画布的大小
sharex 和 sharey 分别表示是否共享横轴和纵轴刻度
tight_layout 函数可以调整子图的相对大小使字符不会重叠

fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
fig.suptitle('样例1', size=20)
for i in range(2):
    for j in range(5):
        axs[i][j].scatter(np.random.randn(10), np.random.randn(10))
        axs[i][j].set_title('第%d行，第%d列'%(i+1,j+1))
        axs[i][j].set_xlim(-5,5)
        axs[i][j].set_ylim(-5,5)
        if i==1: axs[i][j].set_xlabel('横坐标')
        if j==0: axs[i][j].set_ylabel('纵坐标')
fig.tight_layout()

subplots是基于OO模式的写法，显式创建一个或多个axes对象，然后在对应的子图对象上进行绘图操作。
还有种方式是使用subplot这样基于pyplot模式的写法，每次在指定位置新建一个子图，并且之后的绘图操作都会指向当前子图，本质上subplot也是Figure.add_subplot的一种封装。

在调用subplot时一般需要传入三位数字，分别代表总行数，总列数，当前子图的index。

plt.figure()
# 子图1
plt.subplot(2,2,1) 
plt.plot([1,2], 'r')
# 子图2
plt.subplot(2,2,2)
plt.plot([1,2], 'b')
#子图3
plt.subplot(224)  # 当三位数都小于10时，可以省略中间的逗号，这行命令等价于plt.subplot(2,2,4) 
plt.plot([1,2], 'g');

除了常规的直角坐标系，也可以通过projection方法创建极坐标系下的图表：

N = 150
r = 2 * np.random.rand(N)
theta = 2 * np.pi * np.random.rand(N)
area = 200 * r**2
colors = theta


plt.subplot(projection='polar')
plt.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75);

（二）使用 GridSpec 绘制非均匀子图

所谓非均匀包含两层含义

第一是指图的比例大小不同但没有跨行或跨列
第二是指图为跨列或跨行状态

利用 add_gridspec 可以指定相对宽度比例 width_ratios 和相对高度比例参数 height_ratios

fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=5, width_ratios=[1,2,3,4,5], height_ratios=[1,3])
fig.suptitle('样例2', size=20)
for i in range(2):
    for j in range(5):
        ax = fig.add_subplot(spec[i, j])
        ax.scatter(np.random.randn(10), np.random.randn(10))
        ax.set_title('第%d行，第%d列'%(i+1,j+1))
        if i==1: ax.set_xlabel('横坐标')
        if j==0: ax.set_ylabel('纵坐标')
fig.tight_layout()

width_ratios 每个子图的宽度比例
height_ratios 2行子图，设置两2个值分别表示每一行的高度比例

在上面的例子中出现了 spec[i, j] 的用法，事实上通过切片就可以实现子图的合并而达到跨图的功能。

fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=6, width_ratios=[2,2.5,3,1,1.5,2], height_ratios=[1,2])
fig.suptitle('样例3', size=20)
# sub1
ax = fig.add_subplot(spec[0, :3])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub2
ax = fig.add_subplot(spec[0, 3:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub3
ax = fig.add_subplot(spec[:, 5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub4
ax = fig.add_subplot(spec[1, 0])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub5
ax = fig.add_subplot(spec[1, 1:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
fig.tight_layout()

二、子图布局

constrained 约束布局
tight_layout 紧凑布局

（一）constrained 约束布局

constrained_layout会自动调整子图和装饰（如图例和颜色条），以便它们适合图形窗口，同时仍尽可能保留用户请求的逻辑布局。

constrained_layout 类似于 tight_layout，但使用约束求解器来确定允许它们适合的轴的大小。

在将任何轴添加到图形之前，通常需要激活 constrained_layout 。这样做的两种方法是：

使用subplots() 的相应参数figure()
```
plt.subplots(layout="constrained")
```

通过rcParams激活它

plt.rcParams['figure.constrained_layout.use'] = True

在 Matplotlib 中，坐标轴（包括子图）的位置在标准化图形坐标中指定。您的轴标签或标题（有时甚至是刻度标签）可能会超出图形区域，因此会被剪掉。

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

plt.rcParams['savefig.facecolor'] = "0.8"
plt.rcParams['figure.figsize'] = 4.5, 4.
plt.rcParams['figure.max_open_warning'] = 50


def example_plot(ax, fontsize=12, hide_labels=False):
    ax.plot([1, 2])

    ax.locator_params(nbins=3) # Control behavior of major tick locators.
    if hide_labels:
        ax.set_xticklabels([])
        ax.set_yticklabels([])
    else:
        ax.set_xlabel('x-label', fontsize=fontsize)
        ax.set_ylabel('y-label', fontsize=fontsize)
        ax.set_title('Title', fontsize=fontsize)

fig, ax = plt.subplots(layout=None)
example_plot(ax, fontsize=24)

为了防止这种情况，需要调整轴的位置。对于子图，这可以通过使用调整子图参数手动完成Figure.subplots_adjust。但是，使用关键字参数指定图形layout="constrained"将自动调整

fig, ax = plt.subplots(layout="constrained")
example_plot(ax, fontsize=24)

（二）tight_layout 紧凑布局

tight_layout 自动调整子图参数，使子图适合图形区域。它可能不适用于某些情况。它只检查刻度标签、轴标签和标题的范围。

tight_layout 的替代方案是 constrained_layout

在 matplotlib 中，坐标轴（包括子图）的位置在标准化图形坐标中指定。您的轴标签或标题（有时甚至是刻度标签）可能会超出图形区域，因此会被剪掉。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['savefig.facecolor'] = "0.8"


def example_plot(ax, fontsize=12):
    ax.plot([1, 2])

    ax.locator_params(nbins=3)
    ax.set_xlabel('x-label', fontsize=fontsize)
    ax.set_ylabel('y-label', fontsize=fontsize)
    ax.set_title('Title', fontsize=fontsize)

plt.close('all')
fig, ax = plt.subplots()
example_plot(ax, fontsize=24)

为了防止这种情况，需要调整轴的位置。对于子图，这可以通过使用调整子图参数手动完成Figure.subplots_adjust。Figure.tight_layout自动执行此操作。

fig, ax = plt.subplots()
example_plot(ax, fontsize=24)
plt.tight_layout()

注意：matplotlib.pyplot.tight_layout()只会在调用时调整子图参数。为了在每次重新绘制图形时执行此调整，您可以调用fig.set_tight_layout(True)，或者等效地，将rcParams["figure.autolayout"]（默认值：False）设置为True)

三、子图上的方法

常用直线的画法为：

axhline 水平
axvline 垂直
axline 任意方向

fig, ax = plt.subplots(figsize=(4,3))
ax.axhline(0.5,0.2,0.8)
ax.axvline(0.5,0.2,0.8)
ax.axline([0.3,0.3],[0.7,0.7]);

使用 grid 可以加灰色网格：

fig, ax = plt.subplots(figsize=(4,3))
ax.grid(True)

使用 set_xscale 可以设置坐标轴的规度（指对数坐标等）

fig, axs = plt.subplots(1, 2, figsize=(10, 4))
for j in range(2):
    axs[j].plot(list('abcd'), [10**i for i in range(4)])
    if j==0:
        axs[j].set_yscale('log')
    else:
        pass
fig.tight_layout()

posted @ 2023-01-12 14:49 iveBoy 阅读(469) 评论(0) 收藏举报

刷新页面返回顶部

iveBoy