一、概述
subplot()是Matplotlib库中一个十分实用的函数，它允许用户在单个图中排布出多个子图，从而可以显示多个数据可视化结果或者多种可视化效果。subplot()的优点在于相对简单的调用方式和灵活的定制能力，许多常见的排布方式都可以通过轻松地调整行列参数完成。同时，用户还可以通过subplot()的一些参数调整子图之间的间距、图内的边距、标题和坐标轴等细节。
二、基础使用
subplot()函数有三个必选参数，分别表示整个图的行数、列数以及指定的子图编号。其中行数、列数确定了整个图的排布方式，而子图编号则用来定位当前子图的位置。具体来说，如果图的行数为m，列数为n，指定的子图编号为k，则subplot()函数作用后，当前图的子图编号将会变为$(k-1)\times n+m$。下面我们展示一个简单的subplot()调用示例：
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
plt.subplot(2, 1, 1)
plt.plot(x, y)
plt.title('Subplot example')
plt.subplot(2, 1, 2)
plt.plot(x, -y)
这个例子中，我们将整个图分为两行一列，当前子图的编号为1，即在整个图的第一行绘制了sin曲线的图像，并加上了一个标题；之后，我们将当前子图的编号设置为2，即在整个图的第二行绘制了-sin曲线的图像。
三、高级定制
1. 调整间距和比例
subplot()函数支持通过调整subplot_kw参数来对子图进行定制，其中包括figsize参数控制整个图的大小，wspace和hspace参数控制子图间的水平与垂直间距，以及gridspec_kw参数控制子图的比例。
fig, axs = plt.subplots(2, 2, figsize=(8, 8), gridspec_kw={'width_ratios': [1, 2], 'height_ratios': [2, 1]})
axs[0, 0].plot([1, 2, 3, 4, 5])
axs[1, 1].scatter([1, 2, 3, 4], [2, 4, 6, 8])
plt.subplots_adjust(wspace=0.4, hspace=0.3)
在这个示例中，我们定义了一个2行2列的图，指定了整个图的大小为8×8，同时通过gridspec_kw参数指定了第一列和第二行的子图宽度与高度比都为2，第二列和第一行的子图宽度与高度比都为1。最后，我们通过subplots_adjust()函数调整了子图之间的距离，使得图像更加美观。
2. 设置标题和坐标轴标签
subplot()函数支持添加标题和坐标轴标签，对图像增加了更为丰富的信息。直接使用Matplotlib库提供的plt.title()、plt.xlabel()和plt.ylabel()函数即可完成这些操作。
fig, axs = plt.subplots(2, 1, figsize=(6, 6))
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
axs[0].plot(x, y)
axs[0].set_title('Sin plot')
axs[0].set_xlabel('x')
axs[0].set_ylabel('y')
axs[1].plot(x, np.cos(x**2))
axs[1].set_title('Cos plot')
axs[1].set_xlabel('x')
axs[1].set_ylabel('y')
3. 绘制不同类型的子图
subplot()函数并不局限于绘制相同类型和参数的子图，它还支持用户自由控制每一个子图的类型、参数等。下面，我们展示了一个将三张不同子图绘制在同一张画板上的示例，包括折线图、散点图以及条形图：
fig, axs = plt.subplots(1, 3, figsize=(10, 5))
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
axs[0].plot(x, y)
axs[0].set_title('Sin plot')
axs[1].scatter([1, 2, 3, 4], [2, 4, 6, 8])
axs[1].set_title('Scatter plot')
axs[2].bar(['A', 'B', 'C'], [3, 2, 5])
axs[2].set_title('Bar plot')
四、结语
在本文中，我们细致地阐述了Matplotlib库中subplot()函数的基础用法和高级技巧，包括如何调整子图之间的距离、设置标题和坐标轴标签、绘制不同类型的子图等。通过这些阐述，相信读者可以更加灵活自由地掌控subplot()函数，方便地进行各种类型的数据可视化。除了subplot()函数，Matplotlib库还有许多强大的可视化函数和工具，读者可以进一步深入学习并应用到实际工作中去。
原创文章，作者：小蓝，如若转载，请注明出处：https://www.506064.com/n/247655.html
微信扫一扫 
支付宝扫一扫 