Python中怎么利用Matplotlib创建可视化套图

这期内容当中小编将会给大家带来有关Python中怎么利用Matplotlib创建可视化套图，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

十余年专注成都网站制作，成都定制网站，个人网站制作服务，为大家分享网站制作知识、方案，网站设计流程、步骤,成功服务上千家企业。为您提供网站建设,网站制作,网页设计及定制高端网站建设服务,专注于成都定制网站,高端网页制作,对成都发电机维修等多个方面，拥有丰富的营销推广经验。

Matplotlib有一个概念subplot：包含在Figure对象中的小型Axes对象。这允许我们在一幅图中创建很多个子图，方便对比数据。

创建子图的3种常用方法：

1. fig.add_axes

2. plt.subplots

3. plt.GridSpec

import numpy as np
import matplotlib.pyplot as plt
%matplotlib inlineplt.style.use("ggplot")

1. fig.add_axes

1. 先调用plt.figure()创建Figure对象，图表是所有坐标的容器。

2. 调用fig.add_axes()在图表的任意位置添加子图，该方法接收一个包含4个数字的列表: $[x, y, width, height]$，分别代表子图左下角的坐标(x,y)，子图的宽度和高度，这四个数字的取值范围都是$[0,1]$，代表相对位置和大小。

3. 最后调用ax.plot将数据映射到子图。

# 创建图表对象
fig = plt.figure(figsize=(10, 7))
# 创建子图ax1 = fig.add_axes([0, 0.5, 0.45, 0.45])  # 在图表的左上角创建一个子图
ax2 = fig.add_axes([0.5, 0, 0.45, 0.45])  # 在图表的右下方创建一个子图
# 左上角子图：曲线图x1 = np.linspace(-10, 10, 100)
ax1.plot(x1, np.sin(x1), color="red")
# 右下角子图：柱状图x2 = ["a", "b", "c", "d", "e", "f"]
y2 = [1.2, 1.3, 2.5, 0.25, 5, 1.56]
ax2.bar(x2, y2, color="blue")

2. plt.subplots

plt.subplots用于快速创建多个子图，这些子图会以网格状排列。函数返回长度为2的元组，第一个元素是Figure对象，第二个元素是坐标集合。

# 创建一个图形对象，拆分为2*3的网格，包含6个坐标对象
fig, axes = plt.subplots(    nrows=2,  # 定义行数
    ncols=3,  # 定义列数
    sharex=True,  # 是否共享x轴坐标    sharey=True,  # 是否共享y轴坐标    figsize=(10, 7)  # 图像大小
)# axes是2*3的numpy数组，可根据[row, col]索引获取单个坐标对象
# print(type(axes))
# print(axes)
for i in range(2):
    for j in range(3):
        axes[i, j].text(0.5, 0.5, str((i, j)), ha="center", fontsize=15)

3. plt.GridSpec

上面的案例创建了规则排列的子图(网格状)，但有时候想创建不规则的子图，部分子图更大，展示核心信息，有的子图较小，展现辅助信息。

plt.GridSpec可实现这一点，工作原理是先创建一个网格状的蓝图，然后合并部分子图（类似于Excel中合并单元格的操作）。

1. 调用plt.GridSpec创建网格状的蓝图

2. 通过切片和索引按需求'合并'子图

3. 调用ax.plot()将数据映射到图表

# 创建图表对象
fig = plt.figure(figsize=(10, 7))
# 创建2*3的'网格'蓝图
grid = plt.GridSpec(nrows=2, ncols=3, figure=fig)
# 网格对象可索引和切片，根据网格对象可创建坐标对象for row in range(2):
    for col in range(3):
        ax = plt.subplot(grid[row, col])        ax.text(0.5, 0.5, str((row, col)), ha="center", fontsize=15)
# 至此的效果跟plt.subplots相同，接下来我们展示如何合并子图

# 创建图表对象
fig = plt.figure(figsize=(10, 7))
# 创建2*3的'网格'蓝图
grid = plt.GridSpec(nrows=2, ncols=3, figure=fig)
# 合并子图ax1 = plt.subplot(grid[0, 0])
ax2 = plt.subplot(grid[0, 1:])  # 合并(0,1)和(0,2)位置的子图
ax3 = plt.subplot(grid[1, 0:2])  # 合并(1,0)和(1,1)位置的子图
ax4 = plt.subplot(grid[1, 2])
x = np.linspace(0, 10, 30)
ax1.plot(x, np.sin(x), "-r")
ax2.plot(x, np.cos(x), "-ob")
ax3.plot(x, np.sin(x + 10), "-oy")
ax4.plot(x, np.cos(x + 10), "-g")

上述就是小编为大家分享的Python中怎么利用Matplotlib创建可视化套图了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注创新互联行业资讯频道。