如何绘制多个子图

2024-11-19 08:39:00
admin
原创
11
摘要：问题描述：我对这段代码的工作原理有点困惑：fig, axes = plt.subplots(nrows=2, ncols=2) plt.show() 在这种情况下，无花果轴如何工作？它起什么作用？为什么这不能起到同样的作用：fig = plt.figure() axes = fig.subplots(nrow...

问题描述：

我对这段代码的工作原理有点困惑：

fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()

在这种情况下，无花果轴如何工作？它起什么作用？

为什么这不能起到同样的作用：

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

解决方案 1：

有几种方法可以做到这一点。该subplots方法将创建图形以及子图，然后将其存储在ax数组中。例如：

import matplotlib.pyplot as plt

x = range(10)
y = range(10)

fig, ax = plt.subplots(nrows=2, ncols=2)

for row in ax:
    for col in row:
        col.plot(x, y)

plt.show()

在此处输入图片描述

但是，类似这样的方法也可以，但是它不是那么“干净”，因为您正在创建一个带有子图的图形，然后在它们之上添加：

fig = plt.figure()

plt.subplot(2, 2, 1)
plt.plot(x, y)

plt.subplot(2, 2, 2)
plt.plot(x, y)

plt.subplot(2, 2, 3)
plt.plot(x, y)

plt.subplot(2, 2, 4)
plt.plot(x, y)

plt.show()

在此处输入图片描述

解决方案 2：

import matplotlib.pyplot as plt

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

ax[0, 0].plot(range(10), 'r') #row=0, col=0
ax[1, 0].plot(range(10), 'b') #row=1, col=0
ax[0, 1].plot(range(10), 'g') #row=0, col=1
ax[1, 1].plot(range(10), 'k') #row=1, col=1
plt.show()

在此处输入图片描述

解决方案 3：

  • 您还可以在子图调用中解压轴

  • 并设置是否要在子图之间共享 x 轴和 y 轴

像这样：

import matplotlib.pyplot as plt
# fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
fig, axes = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
ax1, ax2, ax3, ax4 = axes.flatten()

ax1.plot(range(10), 'r')
ax2.plot(range(10), 'b')
ax3.plot(range(10), 'g')
ax4.plot(range(10), 'k')
plt.show()

2 x 2 图

解决方案 4：

您可能对这样一个事实感兴趣：从 matplotlib 2.1 版开始，问题中的第二段代码也能正常工作。

来自变更日志：

Figure 类现在具有 subplots 方法 Figure 类现在具有 subplots() 方法，其行为与 pyplot.subplots() 相同，但针对现有图形。

例子：

import matplotlib.pyplot as plt

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

plt.show()

解决方案 5：

阅读文档：matplotlib.pyplot.subplots

pyplot.subplots()返回fig, ax使用符号解包为两个变量的元组

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

代码：

fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)

不起作用，因为不是对象成员的subplots()函数。pyplot`Figure`

解决方案 6：

子图pandas

  • 这个答案适用于带有的子图pandas，它用作matplotlib默认绘图后端。

  • 以下是创建子图的四个选项，以pandas.DataFrame

    • 实现 1. 和 2. 针对宽格式的数据，为每一列创建子图。

    • 实现 3 和 4 适用于长格式的数据，为列中的每个唯一值创建子图。

  • 已在python 3.8.11, pandas 1.3.2, matplotlib 3.4.3,测试seaborn 0.11.2

进口和数据

import seaborn as sns  # data only
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# wide dataframe
df = sns.load_dataset('planets').iloc[:, 2:5]

   orbital_period   mass  distance
0         269.300   7.10     77.40
1         874.774   2.21     56.95
2         763.000   2.60     19.84
3         326.030  19.40    110.62
4         516.220  10.50    119.47

# long dataframe
dfm = sns.load_dataset('planets').iloc[:, 2:5].melt()

         variable    value
0  orbital_period  269.300
1  orbital_period  874.774
2  orbital_period  763.000
3  orbital_period  326.030
4  orbital_period  516.220

1.subplots=True和layout，对于每一列

  • 使用参数subplots=True和layout=(rows, cols)`pandas.DataFrame.plot`

  • 此示例使用kind='density'，但 有不同的选项kind，这适用于所有选项。如果不指定kind，则默认为线图。

  • ax是AxesSubplot返回的数组pandas.DataFrame.plot

  • 如果需要，
    请参阅如何获取Figure对象。

    • 如何保存熊猫子图

axes = df.plot(kind='density', subplots=True, layout=(2, 2), sharex=False, figsize=(10, 6))

# extract the figure object; only used for tight_layout in this example
fig = axes[0][0].get_figure() 

# set the individual titles
for ax, title in zip(axes.ravel(), df.columns):
    ax.set_title(title)
fig.tight_layout()
plt.show()

2. plt.subplots，对于每一列

  • 创建一个Axes带有的数组matplotlib.pyplot.subplots，然后将axes[i, j]或传递axes[n]给ax参数。

    • 该选项使用pandas.DataFrame.plot，但可以使用其他axes级别绘图调用作为替代（例如sns.kdeplot、plt.plot等）。

    • 最简单的方法是使用或 将的子图数组折叠Axes成一维。请参阅vs。.ravel`.flatten.ravel.flatten`

    • axes任何需要迭代的应用于每个 的变量都与 相结合.zip（例如cols、axes、colors、palette等）。每个对象的长度必须相同。

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6))  # define the figure and subplots
axes = axes.ravel()  # array to 1D
cols = df.columns  # create a list of dataframe columns to use
colors = ['tab:blue', 'tab:orange', 'tab:green']  # list of colors for each subplot, otherwise all subplots will be one color

for col, color, ax in zip(cols, colors, axes):
    df[col].plot(kind='density', ax=ax, color=color, label=col, title=col)
    ax.legend()
    
fig.delaxes(axes[3])  # delete the empty subplot
fig.tight_layout()
plt.show()

1. 和 2 的结果。

在此处输入图片描述

3. plt.subplots，对于每个组.groupby

  • 这与 2. 类似，只是它将拉链color拉到物体axes上.groupby。

fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6))  # define the figure and subplots
axes = axes.ravel()  # array to 1D
dfg = dfm.groupby('variable')  # get data for each unique value in the first column
colors = ['tab:blue', 'tab:orange', 'tab:green']  # list of colors for each subplot, otherwise all subplots will be one color

for (group, data), color, ax in zip(dfg, colors, axes):
    data.plot(kind='density', ax=ax, color=color, title=group, legend=False)

fig.delaxes(axes[3])  # delete the empty subplot
fig.tight_layout()
plt.show()

在此处输入图片描述

4.seaborn图形级绘图

  • 使用seaborn图形级绘图，并使用col或row参数。seaborn是的高级 API matplotlib。请参阅seaborn：API 参考。

p = sns.displot(data=dfm, kind='kde', col='variable', col_wrap=2, x='value', hue='variable',
                facet_kws={'sharey': False, 'sharex': False}, height=3.5, aspect=1.75)
sns.move_legend(p, "upper left", bbox_to_anchor=(.55, .45))

解决方案 7：

依次迭代所有子图：

fig, axes = plt.subplots(nrows, ncols)

for ax in axes.flatten():
    ax.plot(x,y)

访问特定索引：

for row in range(nrows):
    for col in range(ncols):
        axes[row,col].plot(x[row], y[col])

解决方案 8：

将数组转换axes为一维

  • 使用 生成子图plt.subplots(nrows, ncols)，其中nrows 和 ncols都大于 1，返回一个嵌套的<AxesSubplot:>对象数组。

    • axes在nrows=1或 的情况下，没有必要展平ncols=1，因为axes已经是一维的，这是默认参数的结果squeeze=True

  • 访问对象的最简单方法是使用 、 或 将数组转换为.ravel()1.flatten()维.flat。

    • .ravel对阵.flatten

      • flatten总是返回一份副本。

      • ravel尽可能返回原始数组的视图。

  • 一旦将数组axes转换为一维，就有多种绘图方式。

  • 这个答案与 seaborn 轴级图相关，它们具有ax=参数（例如sns.barplot(…, ax=ax[0])。

    • seaborn是 的高级 API matplotlib。请参阅图形级与轴级函数，seaborn 未在定义的子图内绘图

import matplotlib.pyplot as plt
import numpy as np  # sample data only

# example of data
rads = np.arange(0, 2*np.pi, 0.01)
y_data = np.array([np.sin(t*rads) for t in range(1, 5)])
x_data = [rads, rads, rads, rads]

# Generate figure and its subplots
fig, axes = plt.subplots(nrows=2, ncols=2)

# axes before
array([[<AxesSubplot:>, <AxesSubplot:>],
       [<AxesSubplot:>, <AxesSubplot:>]], dtype=object)

# convert the array to 1 dimension
axes = axes.ravel()

# axes after
array([<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>],
      dtype=object)

  1. 迭代扁平数组

    • 如果子图数量多于数据数量，则会导致IndexError: list index out of range

      • 请尝试选项 3.，或者选择轴的子集（例如axes[:-2]）

for i, ax in enumerate(axes):
    ax.plot(x_data[i], y_data[i])

  1. 通过索引访问每个轴

axes[0].plot(x_data[0], y_data[0])
axes[1].plot(x_data[1], y_data[1])
axes[2].plot(x_data[2], y_data[2])
axes[3].plot(x_data[3], y_data[3])

  1. 索引数据和轴

for i in range(len(x_data)):
    axes[i].plot(x_data[i], y_data[i])

  1. zip将轴和数据放在一起，然后遍历元组列表。

for ax, x, y in zip(axes, x_data, y_data):
    ax.plot(x, y)

输出

在此处输入图片描述

  • 一种选择是将每个轴分配给一个变量。fig, (ax1, ax2, ax3) = plt.subplots(1, 3)但是，正如所写，这仅适用于nrows=1或的情况ncols=1。这是基于返回的数组的形状plt.subplots，并且很快就会变得繁琐。

    • fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)对于 2 x 2 数组。

    • fig, (ax1, ax2) = plt.subplots(1, 2)这对于两个子图（例如：或）最有用fig, (ax1, ax2) = plt.subplots(2, 1)。对于更多子图，展平并遍历轴数组更有效。

解决方案 9：

您可以使用以下内容：

import numpy as np
import matplotlib.pyplot as plt

fig, _ = plt.subplots(nrows=2, ncols=2)

for i, ax in enumerate(fig.axes):
  ax.plot(np.sin(np.linspace(0,2*np.pi,100) + np.pi/2*i))

代码结果：图

或者，使用plt.subplot返回的第二个变量：

fig, ax_mat = plt.subplots(nrows=2, ncols=2)
for i, ax in enumerate(ax_mat.flatten()):
    ...

ax_mat是一个轴矩阵。其形状为 nrows x ncols。

解决方案 10：

add_subplot您可以在以下位置使用该方法matplotlib：

funcs = [np.cos, np.sin, np.tan, np.arctan, np.exp, np.log]
x = np.linspace(1, 10, 100)

fig = plt.figure(figsize=(10, 5))

# iterate over the function list and add a subplot for each function
for idx, func in enumerate(funcs, start=1):  
    ax = fig.add_subplot(2, 3, idx) # plot with 2 rows and 3 columns
    ax.plot(x, func(x))
    ax.set_title(func.__name__)

# add spacing between subplots
fig.tight_layout()

在此处输入图片描述

解决方案 11：

这是一个简单的解决方案

fig, ax = plt.subplots(nrows=2, ncols=3, sharex=True, sharey=False)
for sp in fig.axes:
    sp.plot(range(10))

输出

解决方案 12：

如果您确实想使用循环，请执行以下操作：

def plot(data):
    fig = plt.figure(figsize=(100, 100))
    for idx, k in enumerate(data.keys(), 1):
        x, y = data[k].keys(), data[k].values
        plt.subplot(63, 10, idx)
        plt.bar(x, y)  
    plt.show()

解决方案 13：

另一个简洁的解决方案是：

// set up structure of plots
f, (ax1, ax2, ax3) = plt.subplots(1, 3, figsize=(20,10))

// for plot 1
ax1.set_title('Title A')
ax1.plot(x, y)

// for plot 2
ax2.set_title('Title B')
ax2.plot(x, y)

// for plot 3
ax3.set_title('Title C')
ax3.plot(x,y)
相关推荐
置顶 2024年20款好用的项目管理软件推荐，项目管理提效的20个工具和技巧
2024年20款好用的项目管理软件推荐，项目管理提效的20个工具和技巧
  为什么项目管理通常仍然耗时且低效？您是否还在反复更新电子表格、淹没在便利贴中并参加每周更新会议？这确实是耗费时间和精力。借助软件工具的帮助，您可以一目了然地全面了解您的项目。如今，国内外有足够多优秀的项目管理软件可以帮助您掌控每个项目。什么是项目管理软件？项目管理软件是广泛行业用于项目规划、资源分配和调度的软件。它使项...
项目管理软件   601  
华为IPD与传统研发模式的8大差异
华为IPD与传统研发模式的8大差异
  华为IPD与传统研发模式的8大差异在快速变化的商业环境中，产品研发模式的选择直接决定了企业的市场响应速度和竞争力。华为作为全球领先的通信技术解决方案供应商，其成功在很大程度上得益于对产品研发模式的持续创新。华为引入并深度定制的集成产品开发（IPD）体系，相较于传统的研发模式，展现出了显著的差异和优势。本文将详细探讨华为...
IPD流程是谁发明的   7  
如何通过IPD流程缩短产品上市时间？
如何通过IPD流程缩短产品上市时间？
  如何通过IPD流程缩短产品上市时间？在快速变化的市场环境中，产品上市时间成为企业竞争力的关键因素之一。集成产品开发（IPD, Integrated Product Development）作为一种先进的产品研发管理方法，通过其结构化的流程设计和跨部门协作机制，显著缩短了产品上市时间，提高了市场响应速度。本文将深入探讨如...
华为IPD流程   9  
5分钟教你读懂复杂的IPD流程图
5分钟教你读懂复杂的IPD流程图
  在项目管理领域，IPD（Integrated Product Development，集成产品开发）流程图是连接创意、设计与市场成功的桥梁。它不仅是一个视觉工具，更是一种战略思维方式的体现，帮助团队高效协同，确保产品按时、按质、按量推向市场。尽管IPD流程图可能初看之下显得错综复杂，但只需掌握几个关键点，你便能轻松驾驭...
IPD开发流程管理   8  
8个常见IPD流程失败原因及解决方法
8个常见IPD流程失败原因及解决方法
  在项目管理领域，集成产品开发（IPD）流程被视为提升产品上市速度、增强团队协作与创新能力的重要工具。然而，尽管IPD流程拥有诸多优势，其实施过程中仍可能遭遇多种挑战，导致项目失败。本文旨在深入探讨八个常见的IPD流程失败原因，并提出相应的解决方法，以帮助项目管理者规避风险，确保项目成功。缺乏明确的项目目标与战略对齐IP...
IPD流程图   8  
热门文章
2024年项目管理软件排行榜
2024年20款好用的项目管理软件推荐，项目管理提效的20个工具和技巧
项目管理软件
项目延期的原因有哪些？如何有效预防和管理？
项目管理软件
项目管理指南：制定项目实施计划的6大步骤有哪些？
好用的项目管理软件有哪些
2024年开源项目管理软件有哪些？推荐5款好用的项目管理工具
img043
如何通过甘特图可视化项目进度？掌握这4个方法
项目里程碑计划模板
项目里程碑计划模板怎么写?设定项目里程碑的5个方法
项目交付成果是什么，如何使用可交付成果来成功运行项目
项目交付成果是什么，如何使用可交付成果来成功运行项目？
项目管理软件有哪些？
热门标签
更多>
IPD流程 项目管理 IT项目管理 敏捷开发 项目管理软件 Scrum 敏捷项目管理 IPD流程管理 项目风险管理 项目管理工具 项目经理 极限编程  产品管理  项目经理职责 项目路线图 项目进度管理 测试管理工具 项目预算管理 PMP认证 瀑布式管理 项目范围管理 IT科技 项目管理平台 工程项目管理 项目资源管理 pmp证书考试
云禅道AD
禅道项目管理软件

云端的项目管理软件

尊享禅道项目软件收费版功能

无需维护，随时随地协同办公

内置subversion和git源码管理

每天备份，随时转为私有部署

免费试用