python繪制大小不同的子圖

㈠ python繪圖中的四個繪圖技巧

pre{overflow-x: auto}

技巧1: plt.subplots()

技巧2: plt.subplot()

技巧3: plt.tight_layout()

技巧4: plt.suptitle()

數據集：

讓我們導入包並更新圖表的默認設置，為圖表添加一點個人風格。 我們將在提示上使用 Seaborn 的內置數據集：

import seaborn as sns # v0.11.2   import matplotlib.pyplot as plt # v3.4.2   sns.set(style='darkgrid', context='talk', palette='rainbow')df = sns.load\_dataset('tips')   df.head()

技巧1: plt.subplots()

繪制多個子圖的一種簡單方法是使用 plt.subplots() 。

這是繪制 2 個並排子圖的示例語法：

fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,4))   sns.histplot(data=df, x='tip', ax=ax[0])   sns.boxplot(data=df, x='tip', ax=ax[1]);

在這里，我們在一個圖中繪制了兩個子圖。 我們可以進一步自定義每個子圖。

  例如，我們可以像這樣為清談隱每個子圖添加標題：

fig, ax = plt.subplots(1, 2, figsize=(10,4))   sns.histplot(data=df, x='tip', ax=ax[0])   ax[0].set\_title("Histogram")   sns.boxplot(data=df, x='tip', ax=ax[1])   ax[1].set\_title("Boxplot");

在循環中將所有數值變數用同一組圖表示：

numerical = df.select\_dtypes('number').columnsfor col in numerical:    fig, ax = plt.subplots(1, 2, figsize=(10,4))    sns.histplot(data=df, x=col, ax=ax[0])    sns.boxplot(data=df, x=col, ax=ax[1]); 技巧2: plt.subplot()

另一種可視化多個圖形的方法是使用 plt.subplot()， 末尾沒有 s

  語法與之前略有不同：

plt.figure(figsize=(10,4))   ax1 = plt.subplot(1,2,1)   sns.histplot(data=df, x='tip', ax=ax1)   ax2 = plt.subplot(1,2,2)   sns.boxplot(data=df, x='tip', ax=ax2);

當我們想為多個圖繪制相同類型的圖形並在單個圖中查看所有圖形，該方法特別有用：

plt.figure(figsize=(14,4))   for i, col in enumerate(numerical):    ax = plt.subplot(1, len(numerical), i+1) 侍培   sns.boxplot(data=df, x=col, ax=ax)

我們同樣能定製子圖形。例如加個 title

plt.figure(figsize=(14,4))   for i, col in enumerate(numerical):    ax = plt.subplot(1, len(numerical), i+1) 答廳   sns.boxplot(data=df, x=col, ax=ax)     ax.set\_title(f"Boxplot of {col}")

通過下面的比較，我們能更好的理解它們的相似處與不同處熟悉這兩種方法很有用，因為它們可以在不同情況下派上用場。

技巧3: plt.tight_layout()

在繪制多個圖形時，經常會看到一些子圖的標簽在它們的相鄰子圖上重疊，

如下所示：

categorical = df.select\_dtypes('category').columnsplt.figure(figsize=(8, 8))   for i, col in enumerate(categorical):    ax = plt.subplot(2, 2, i+1)    sns.countplot(data=df, x=col, ax=ax)

頂部兩個圖表的 x 軸上的變數名稱被剪掉，右側圖的 y 軸標簽與左側子圖重疊.使用 plt.tight_layout 很方便

plt.figure(figsize=(8, 8))   for i, col in enumerate(categorical):    ax = plt.subplot(2, 2, i+1)    sns.countplot(data=df, x=col, ax=ax)    plt.tight\_layout()

專業 看起來更好了。

技巧4: plt.suptitle()

真個圖形添加標題：

plt.figure(figsize=(8, 8))   for i, col in enumerate(categorical):    ax = plt.subplot(2, 2, i+1)    sns.countplot(data=df, x=col, ax=ax)    plt.suptitle('Category counts for all categorical variables')   plt.tight\_layout()

此外，您可以根據自己的喜好自定義各個圖。 例如，您仍然可以為每個子圖添加標題。

到此這篇關於python繪圖 四個繪圖技巧的文章就介紹到這了，希望大家以後多多支持！

㈡ 求教python一個作圖的問題

matplotlib 是python最著名的繪圖庫，它提供了一整套和matlab相似的命令API，十分適合互動式地行制圖。而且也可以方便地將它作為繪圖控制項，嵌入GUI應用程序中。

它的文檔相當完備，並且Gallery頁面中有上百幅縮略圖，打開之後都有源程序。因此如果你需要繪制某種類型的圖，只需要在這個頁面中瀏覽/復制/粘貼一下，基本上都能搞定。

在Linux下比較著名的數據圖工具還有gnuplot，這個是免費的，Python有一個包可以調用gnuplot，但是語法比較不習慣，而且畫圖質量不高。

而Matplotlib則比較強：Matlab的語法、python語言、latex的畫圖質量（還可以使用內嵌的latex引擎繪制的數學公式）。

本文目錄

1.Matplotlib.pyplot快速繪圖

2.面向對象畫圖

3.Matplotlib.pylab快速繪圖

4.在圖表中顯示中文

5.對LaTeX數學公式的支持

6.對數坐標軸

7.學習資源

Matplotlib.pyplot快速繪圖

快速繪圖和面向對象方式繪圖

matplotlib實際上是一套面向對象的繪圖庫，它所繪制的圖表中的每個繪圖元素，例如線條Line2D、文字Text、刻度等在內存中都有一個對象與之對應。

為了方便快速繪圖matplotlib通過pyplot模塊提供了一套和MATLAB類似的繪圖API，將眾多繪圖對象所構成的復雜結構隱藏在這套API內部。我們只需要調用pyplot模塊所提供的函數就可以實現快速繪圖以及設置圖表的各種細節。pyplot模塊雖然用法簡單，但不適合在較大的應用程序中使用。

為了將面向對象的繪圖庫包裝成只使用函數的調用介面，pyplot模塊的內部保存了當前圖表以及當前子圖等信息。當前的圖表和子圖可以使用plt.gcf()和plt.gca()獲得，分別表示"Get Current Figure"和"Get Current Axes"。在pyplot模塊中，許多函數都是對當前的Figure或Axes對象進行處理，比如說：

plt.plot()實際上會通過plt.gca()獲得當前的Axes對象ax，然後再調用ax.plot()方法實現真正的繪圖。

可以在Ipython中輸入類似"plt.plot??"的命令查看pyplot模塊的函數是如何對各種繪圖對象進行包裝的。

配置屬性

matplotlib所繪制的圖表的每個組成部分都和一個對象對應，我們可以通過調用這些對象的屬性設置方法set_*()或者pyplot模塊的屬性設置函數setp()設置它們的屬性值。

因為matplotlib實際上是一套面向對象的繪圖庫，因此也可以直接獲取對象的屬性

配置文件

繪制一幅圖需要對許多對象的屬性進行配置，例如顏色、字體、線型等等。我們在繪圖時，並沒有逐一對這些屬性進行配置，許多都直接採用了matplotlib的預設配置。

matplotlib將這些預設配置保存在一個名為「matplotlibrc」的配置文件中，通過修改配置文件，我們可以修改圖表的預設樣式。配置文件的讀入可以使用rc_params()，它返回一個配置字典；在matplotlib模塊載入時會調用rc_params()，並把得到的配置字典保存到rcParams變數中；matplotlib將使用rcParams字典中的配置進行繪圖；用戶可以直接修改此字典中的配置，所做的改變會反映到此後創建的繪圖元素。

繪制多子圖（快速繪圖）

Matplotlib 里的常用類的包含關系為Figure -> Axes -> (Line2D, Text, etc.)一個Figure對象可以包含多個子圖(Axes)，在matplotlib中用Axes對象表示一個繪圖區域，可以理解為子圖。

可以使用subplot()快速繪制包含多個子圖的圖表，它的調用形式如下：

subplot(numRows, numCols, plotNum)

subplot將整個繪圖區域等分為numRows行* numCols列個子區域，然後按照從左到右，從上到下的順序對每個子區域進行編號，左上的子區域的編號為1。如果numRows，numCols和plotNum這三個數都小於10的話，可以把它們縮寫為一個整數，例如subplot(323)和subplot(3,2,3)是相同的。subplot在plotNum指定的區域中創建一個軸對象。如果新創建的軸和之前創建的軸重疊的話，之前的軸將被刪除。

subplot()返回它所創建的Axes對象，我們可以將它用變數保存起來，然後用sca()交替讓它們成為當前Axes對象，並調用plot()在其中繪圖。

繪制多圖表（快速繪圖）

如果需要同時繪制多幅圖表，可以給figure()傳遞一個整數參數指定Figure對象的序號，如果序號所指定的Figure對象已經存在，將不創建新的對象，而只是讓它成為當前的Figure對象。

import numpy as np
import matplotlib.pyplot as plt

plt.figure(1) # 創建圖表1
plt.figure(2) # 創建圖表2
ax1 = plt.subplot(211) # 在圖表2中創建子圖1
ax2 = plt.subplot(212) # 在圖表2中創建子圖2

x = np.linspace(0, 3, 100)
for i in xrange(5):
plt.figure(1) #❶ # 選擇圖表1
plt.plot(x, np.exp(i*x/3))
plt.sca(ax1) #❷ # 選擇圖表2的子圖1
plt.plot(x, np.sin(i*x))
plt.sca(ax2) # 選擇圖表2的子圖2
plt.plot(x, np.cos(i*x))

plt.show()

在圖表中顯示中文

matplotlib的預設配置文件中所使用的字體無法正確顯示中文。為了讓圖表能正確顯示中文，可以有幾種解決方案。

• 在程序中直接指定字體。

• 在程序開頭修改配置字典rcParams。

• 修改配置文件。

matplotlib輸出圖象的中文顯示問題

上面那個link里的修改matplotlibrc方式，我試了好幾次都沒成功。能work的一個比較簡便粗暴的方式（但不知道有沒有副作用）是，1.找到字體目錄YOURPYTHONHOMELibsite-packagesmatplotlibmpl-datafonts tf下的Vera.ttf。這里我們用中文楷體(可以從windows/system32/fonts拷貝過來，對於win8字體文件不是ttf的可以從網上下一個微軟雅黑)，直接張貼到前面的ttf目錄下，然後更名為Vera.ttf。2.中文字元串用unicode格式，例如：u''測試中文顯示''，代碼文件編碼使用utf-8 加上" #coding = utf-8 "一行。

面向對象畫圖

matplotlib API包含有三層，Artist層處理所有的高層結構，例如處理圖表、文字和曲線等的繪制和布局。通常我們只和Artist打交道，而不需要關心底層的繪制細節。

直接使用Artists創建圖表的標准流程如下：

• 創建Figure對象

• 用Figure對象創建一個或者多個Axes或者Subplot對象

• 調用Axies等對象的方法創建各種簡單類型的Artists

importmatplotlib.pyplot as plt




X1 = range(0, 50)Y1 = [num**2 for num in X1] # y = x^2X2 = [0, 1]Y2 = [0, 1] # y = x




Fig = plt.figure(figsize=(8,4)) # Create a `figure'instanceAx = Fig.add_subplot(111) # Create a `axes'instancein the figureAx.plot(X1, Y1, X2, Y2) # Create a Line2Dinstancein the axes




Fig.show()Fig.savefig("test.pdf")

㈢ python繪圖篇

1，xlable,ylable設置x，y軸的標題文字。

2，title設置標題。

3，xlim,ylim設置x,y軸顯示範圍。

plt.show()顯示繪圖窗口，通常情況下，show（）會阻礙程序運行，帶-wthread等參數的環境下，窗口不會關閉。

plt.saveFig（）保存圖像。

面向對象繪圖

1，當前圖表和子圖可以用gcf(),gca()獲得。

subplot()繪制包含多個圖表的子圖。

configure subplots,可調節子圖與圖表邊框距離。

可以通過修改配置文件更改對象屬性。

圖標顯示中文

1，在程序中直接指定字體。

2， 在程序開始修改配置字典reParams.

3，修改配置文件。

Artist對象

1，圖標的繪制領域。

2，如何在FigureCanvas對象上繪圖。

3，如何使用Renderer在FigureCanvas對象上繪圖。

FigureCanvas和Render處理底層圖像操作，Artist處理高層結構。

分為簡單對象和容器對象，簡單的Aritist是標準的繪圖元件，例如Line 2D,Rectangle,Text,AxesImage等，而容器類型包含許多簡單的的 Aritist對象，使他們構成一個整體，例如Axis,Axes,Figure等。

直接創建Artist對象進項繪圖操作步奏：

1，創建Figure對象（通過figure（）函數，會進行許多初始化操作，不建議直接創建。）

2，為Figure對象創建一個或多個Axes對象。

3，調用Axes對象的方法創建各類簡單的Artist對象。

Figure容器

如何找到指定的Artist對象。

1，可調用add_subplot()和add_axes()方法向圖表添加子圖。

2，可使用for循環添加柵格。

3，可通過transform修改坐標原點。

Axes容器

1，patch修改背景。

2，包含坐標軸，坐標網格，刻度標簽，坐標軸標題等內容。

3，get_ticklabels(),,get-ticklines獲得刻度標簽和刻度線。

1，可對曲線進行插值。

2，fill_between()繪制交點。

3，坐標變換。

4，繪制陰影。

5，添加註釋。

1，繪制直方圖的函數是

2，箱線圖（Boxplot）也稱箱須圖（Box-whisker Plot），是利用數據中的五個統計量：最小值、第一四分位

數、中位數、第三四分位數與最大值來描述數據的一種方法，它可以粗略地看出數據是否具有對稱性以及分

布的分散程度等信息，特別可以用於對幾個樣本的比較。

3，餅圖就是把一個圓盤按所需表達變數的觀察數劃分為若干份，每一份的角度（即面積）等價於每個觀察

值的大小。

4,散點圖

5,QQ圖

低層繪圖函數

類似於barplot()，dotchart()和plot()這樣的函數採用低層的繪圖函數來畫線和點，來表達它們在頁面上放置的位置以及其他各種特徵。

在這一節中，我們會描述一些低層的繪圖函數，用戶也可以調用這些函數用於繪圖。首先我們先講一下R怎麼描述一個頁面；然後我們講怎麼在頁面上添加點，線和文字；最後講一下怎麼修改一些基本的圖形。

繪圖區域與邊界

R在繪圖時，將顯示區域劃分為幾個部分。繪制區域顯示了根據數據描繪出來的圖像，在此區域內R根據數據選擇一個坐標系，通過顯示出來的坐標軸可以看到R使用的坐標系。在繪制區域之外是邊沿區，從底部開始按順時針方向分別用數字1到4表示。文字和標簽通常顯示在邊沿區域內，按照從內到外的行數先後顯示。

添加對象

在繪制的圖像上還可以繼續添加若干對象，下面是幾個有用的函數，以及對其功能的說明。

•points(x, y, ...)，添加點

•lines(x, y, ...)，添加線段

•text(x, y, labels, ...)，添加文字

•abline(a, b, ...)，添加直線y=a+bx

•abline(h=y, ...)，添加水平線

•abline(v=x, ...)，添加垂直線

•polygon(x, y, ...)，添加一個閉合的多邊形

•segments(x0, y0, x1, y1, ...)，畫線段

•arrows(x0, y0, x1, y1, ...)，畫箭頭

•symbols(x, y, ...)，添加各種符號

•legend(x, y, legend, ...)，添加圖列說明

㈣ python matplotlib模塊 如何畫兩張圖出來

python matplotlib模塊 如何畫兩張圖出來的方法：

代碼如下所示：

import numpy as np

import matplotlib.pyplot as plt

#創建自變數數組

x= np.linspace(0,2*np.pi,500)

#創建函數值數組

y1 = np.sin(x)

y2 = np.cos(x)

y3 = np.sin(x*x)

#創建圖形

plt.figure(1)

'''

意思是在一個2行2列共4個子圖的圖中，定位第1個圖來進行操作（畫圖）。

最後面那個1表示第1個子圖。那個數字的變化來定位不同的子圖

'''

#第一行第一列圖形

ax1 = plt.subplot(2,2,1)

#第一行第二列圖形

ax2 = plt.subplot(2,2,2)

#第二行

ax3 = plt.subplot(2,1,2)

#選擇ax1

plt.sca(ax1)

#繪制紅色曲線

plt.plot(x,y1,color='red')

#限制y坐標軸范圍

plt.ylim(-1.2,1.2)

#選擇ax2

plt.sca(ax2)

#繪制藍色曲線

plt.plot(x,y2,'b--')

plt.ylim(-1.2,1.2)

#選擇ax3

plt.sca(ax3)

plt.plot(x,y3,'g--')

plt.ylim(-1.2,1.2)

plt.show()

附上效果圖。

㈤ python中fig，ax=plt.subplots什麼意思

fig，ax=plt.subplots的意思是將plt.subplots()函數的返回值賦值給fig和ax兩個變數。

plt.subplots()是一個函數，返回一個包含figure和axes對象的元組，因此，使用fig,ax=plt.subplots()將元組分解為fig和ax兩個變數。

通常，我們只用到ax：

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

axes = ax.flatten()

把父圖分成2*2個子圖，ax.flatten()把子圖展開賦值給axes,axes[0]便是第一個子圖，axes[1]是第二個。

(5)python繪制大小不同的子圖擴展閱讀

在matplotlib中，整個圖像為一個Figure對象。在Figure對象中可以包含一個或者多個Axes對象。每個Axes(ax)對象都是一個擁有自己坐標系統的繪圖區域。所屬關系如下：

def subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True,

subplot_kw=None, gridspec_kw=None, **fig_kw):

參數：

nrows，ncols：子圖的行列數。

sharex, sharey：

設置為 True 或者 『all』 時，所有子圖共享 x 軸或者 y 軸，

設置為 False or 『none』 時，所有子圖的 x，y 軸均為獨立，

設置為 『row』 時，每一行的子圖會共享 x 或者 y 軸，

設置為 『col』 時，每一列的子圖會共享 x 或者 y 軸。

返回值

fig：matplotlib.figure.Figure對象

ax：子圖對象（matplotlib.axes.Axes）或者是他的數組

㈥ python之pyplot

1、 定義x和y，畫圖展示，保存圖片

其中dpi參數指定圖像的解析度為120
2、 優化繪圖線條風格

線條顏色color

線條標記marker

線條風格linestyle

3、 坐標軸的控制
坐標軸范圍和標題

坐標圖上標記

坐標間隔設定
函數plt.xticks()和plt.xticks()用來實現對x軸和y軸坐標間隔（也就是軸雀兆記號）的設定。用法上，函蠢蔽數的輸入是兩個列表，第一個表示取值，第二個表示標記。當然如果你的標記就是取值本身，則第二個列表可以忽略

多圖與子圖
figure() 函數可以幫助我們同時處理生成多個圖，而subplot()函數則用來實現，在一個大圖中，出現多個小的子圖。需要注意的是， figure() 中的參數為圖片序號，一般是按序增加的，這裡面還涉及一個當前圖的概念，其中 subplot() 的參數有3個，分別為行數、列數、以及子圖序號。比如 subplot(1,2,1) 表示這是一個1行，2列布局的圖（兩個子圖，在同一行，分居左右），其中，當前處理的子圖是第一個圖（也就是左頃檔租圖）。

這樣，我們就用一個腳本畫了兩張圖fig.1和fig.2。其中，fig.1包含了分居左右的兩個子圖，分別是y1和y3的曲線；fig.2是一張整圖，畫的是y2曲線。

如果想要某個子圖占據整行或者整列，可以採用下面
第三個圖，實際上相當於將前面的兩個小的子圖看作是一個整圖