文章目錄

• 前言
• 1 子圖
• • 1.1 使用 plt.subplots 繪制均勻狀態(tài)下的子圖
  • 1.2 使用 GridSpec 繪制非均勻子圖
• 2 子圖上的方法
• • 2.1 plot-線的繪制
  • 2.2 hist-直方圖的繪制
  • 2.3 對圖像的特殊設(shè)置
• 作業(yè)

前言

《第三回：布局格式定方圓》筆記。

---

1 子圖

1.1 使用 plt.subplots 繪制均勻狀態(tài)下的子圖

""" figsize 參數(shù)可以指定整個畫布的大小sharex 和 sharey 分別表示是否共享橫軸和縱軸刻度tight_layout 函數(shù)可以調(diào)整子圖的相對大小使字符不會重疊 """fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True) fig.suptitle('樣例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('橫坐標(biāo)')if j==0: axs[i][j].set_ylabel('縱坐標(biāo)') fig.tight_layout()

使用plt.subplot()和prejection船艦極坐標(biāo)系下的圖表：

N = 150 r = 2 * np.random.rand(N) theta = 2 * np.pi * np.random.rand(N) area = 200 * r**2 colors = thetaplt.subplot(projection='polar') plt.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75)

1.2 使用 GridSpec 繪制非均勻子圖

非均勻包含兩層含義:

圖的比例大小不同但沒有跨行或跨列

圖為跨列或跨行狀態(tài)

第一種含義：

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('樣例2', size=20) for i in range(2):for j in range(5):ax = fig.add_subplot(spec[i, j]) # gridspec子圖。可以通過切片獲取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('橫坐標(biāo)')if j==0: ax.set_ylabel('縱坐標(biāo)') fig.tight_layout()

第二種：
可以這樣理解，我們設(shè)置擁有2行3列子圖的figure，然后把其中幾個子圖合并，就得到了大小不同的子圖。加入我們合并其中2個子圖，那么本來2行3列一共6個子圖就會變成5個，不信我們試試看：

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

給個復(fù)雜點的例子：

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('樣例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()

2 子圖上的方法

在 ax 對象上定義了和 plt 類似的圖形繪制函數(shù)，常用的有：

plot, hist, scatter, bar, barh, pie

2.1 plot-線的繪制

• 繪制任意直線

fig, ax = plt.subplots(figsize=(4,3)) ax.plot([1,2],[2,1])

fig, ax = plt.subplots(figsize=(4,3)) ax.plot(np.random.rand(10),np.random.rand(10)) fig, ax = plt.subplots(figsize=(4,3)) ax.axhline(0.5,0,0.8) # 0.5是y的取值；后兩個參數(shù)的意思是從左到右，占整個圖的0%的位置和百分之80%的位置 ax.axvline(0.5,0.2,0.8) # 0.5是y的取值；后兩個參數(shù)的意思是從左到右，占整個圖的20%的位置和80%的位置 ax.axline([0.3,0.3],[0.7,0.7]) # 經(jīng)過這兩個坐標(biāo)[0.3,0.3],[0.7.0.7

2.2 hist-直方圖的繪制

fig, ax = plt.subplots(figsize=(4,3)) ax.hist(np.random.randn(1000))

使矩形之間產(chǎn)生間隔：

fig, ax = plt.subplots(figsize=(4,3)) ax.hist(np.random.randn(1000),rwidth=0.9)

2.3 對圖像的特殊設(shè)置

• 使用 grid 可以加灰色網(wǎng)格

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

• 使用 set_xscale, set_title, set_xlabel 分別可以設(shè)置坐標(biāo)軸的規(guī)度（指對數(shù)坐標(biāo)等）、標(biāo)題、軸名

fig, axs = plt.subplots(1, 2, figsize=(10, 4)) fig.suptitle('大標(biāo)題', size=20) 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')axs[j].set_title('子標(biāo)題1')axs[j].set_ylabel('對數(shù)坐標(biāo)')axs[j].set_xlabel('hello 是我 你們的好朋友 xlabel')else:axs[j].set_title('子標(biāo)題1')axs[j].set_ylabel('普通坐標(biāo)') fig.tight_layout()

• 與一般的 plt 方法類似，legend, annotate, arrow, text 對象也可以進(jìn)行相應(yīng)的繪制

fig, ax = plt.subplots() ax.arrow(0, 0, 1, 1, head_width=0.03, head_length=0.05, facecolor='red', edgecolor='blue') ax.text(x=0, y=0,s='這是一段文字', fontsize=16, rotation=70, rotation_mode='anchor', color='green') ax.annotate('這是中點', xy=(0.5, 0.5), xytext=(0.7, 0.2), arrowprops=dict(facecolor='yellow', edgecolor='black'), fontsize=16) fig, ax = plt.subplots() ax.plot([1,2],[2,1],label="line1") ax.plot([1,1],[1,2],label="line1") ax.legend(loc=1)

其中，圖例的 loc 參數(shù)如下：

stringcode

best	0
upper right	1
upper left	2
lower left	3
lower right	4
right	5
center left	6
center right	7
lower center	8
upper center	9
center	10

大部分操作都是通過axex來實現(xiàn)的，所以說axex是畫圖時最核心的部分。

作業(yè)

1. 墨爾本1981年至1990年的每月溫度情況

import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator import pandas as pd import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] #設(shè)置字體為SimHei顯示中文 plt.rcParams['axes.unicode_minus'] = False #設(shè)置正常顯示字符data = pd.read_csv('./layout_ex1.csv')fig, axs = plt.subplots(2,5,figsize=(20,5),sharex=True,sharey=True) fig.suptitle('墨爾本1981年至1990年月溫度曲線',size=20)index = 0 for i in range(2):for j in range(5):axs[i][j].plot(np.arange(1,13),data['Temperature'].values[index*12:(index*12+12)],'o-')axs[i][j].set_title('%s年'%data['Time'].values[index][:4])axs[i][j].xaxis.set_major_locator(MultipleLocator(1)) #把橫坐標(biāo)設(shè)置為1的倍數(shù)axs[i][j].yaxis.set_major_locator(MultipleLocator(5)) #把縱坐標(biāo)設(shè)置為5的倍數(shù)if(j==0):axs[i][j].set_ylabel('氣溫')index += 1fig.tight_layout()

2. 畫出數(shù)據(jù)的散點圖和邊際分布

import matplotlib.pyplot as plt import numpy as npdata = np.random.randn(2, 150) fig = plt.figure(figsize=(7,7)) spec = fig.add_gridspec(9,9,width_ratios=np.ones((9)),height_ratios=np.ones((9)))ax1 = fig.add_subplot(spec[2:9,0:7]) ax2 = fig.add_subplot(spec[0:2,0:7],sharex=ax1) # 與子圖1共享x坐標(biāo) ax3 = fig.add_subplot(spec[2:9,7:9],sharey=ax1) # 與子圖1共享y坐標(biāo)#第一個子圖 ax1.scatter(data[0],data[1]) ax1.set_ylabel('my_data_y',fontsize=10) ax1.set_xlabel('my_data_y',fontsize=10) ax1.grid(True)#第二個子圖 ax2.hist(data[0,:],rwidth=0.94) # 隱藏x軸標(biāo)度 ax2.get_xaxis().set_visible(False) # 隱藏y軸標(biāo)度 ax2.get_yaxis().set_visible(False) # 關(guān)閉邊框 for spine in ax2.spines.values():spine.set_visible(False)#第三個子圖 ax3.hist(data[0,:],rwidth=0.94, orientation='horizontal') # 隱藏x軸標(biāo)度 ax3.get_xaxis().set_visible(False) # 隱藏y軸標(biāo)度 ax3.get_yaxis().set_visible(False) # 關(guān)閉邊框 for spine in ax3.spines.values():spine.set_visible(False)fig.tight_layout()

總結(jié)

以上是生活随笔為你收集整理的数据可视化组队学习：《Task03 - 布局格式定方圆》笔记的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。