pythonsubplots：用 Matplotlib 创建多个子图

Matplotlib 是一个用于绘制图形的 Python 2D 绘图库，可以创建各种静态、动态、交互式图表。其中，pythonsubplots 功能是 Matplotlib 中非常有用的一个子图工具，可以在一个图中创建多个子图，对于多个数据的比较和展示非常方便。本文将详细介绍 pythonsubplots 的用法。

一、创建多个子图

在 Matplotlib 中，使用 Python 脚本可以自动生成各种用于数据可视化的图表，而我们用 pythonsubplots 时可以将一张大图分割成多个小图。代码示例如下：

import matplotlib.pyplot as plt

# 创建一个 2x2 的图表结构，分别放置2个子图
fig, axs = plt.subplots(2, 2)

# 第一个子图
axs[0, 0].plot([1, 2], [3, 4])
axs[0, 0].set_title('Subplot 1')

# 第二个子图
axs[0, 1].scatter([1, 2], [3, 4], color='r')
axs[0, 1].set_title('Subplot 2')

# 第三个子图
axs[1, 0].bar([1, 2], [3, 4], color='g')
axs[1, 0].set_title('Subplot 3')

# 第四个子图
axs[1, 1].pie([1, 2], colors=['b', 'y'])
axs[1, 1].set_title('Subplot 4')

plt.show()

以上代码中，首先使用 plt.subplots(…) 创建一个 2×2 的子图结构。其中 axs 为一个数组，通过 axs[row_index, col_index] 的方式进行访问。

对于每个子图，我们可以通过 axs[row_index, col_index].plot/scatter/bar/pie 等方法绘制具体的数据图表，并使用 axs[row_index, col_index].set_title(…) 方法设置每个子图的标题。最后，使用 plt.show() 方法展示所有子图。

二、调整子图间距和大小

在实际使用中，我们还需要对子图之间的间距和大小进行调节。Matplotlib 提供了通过 subplot_params 参数调整子图间距和 fig_kw/ax_kw 参数调整图表大小的方法。具体示例如下：

import matplotlib.pyplot as plt

# 调整子图间距和图表大小
params = {
    'figure.figsize': [10, 6],   # 图表大小
    'figure.subplot.left': 0.05,  # 子图左间距
    'figure.subplot.right': 0.95,  # 子图右间距
    'figure.subplot.bottom': 0.05,  # 子图下间距
    'figure.subplot.top': 0.95,  # 子图上间距
    'figure.subplot.wspace': 0.2,  # 子图水平间距
    'figure.subplot.hspace': 0.3,  # 子图垂直间距
}
plt.rcParams.update(params)

# 创建 2 x 2 的图表结构
fig, axs = plt.subplots(2, 2)

# 第一个子图
axs[0, 0].plot([1, 2], [3, 4])
axs[0, 0].set_title('Subplot 1')

# 第二个子图
axs[0, 1].scatter([1, 2], [3, 4], color='r')
axs[0, 1].set_title('Subplot 2')

# 第三个子图
axs[1, 0].bar([1, 2], [3, 4], color='g')
axs[1, 0].set_title('Subplot 3')

# 第四个子图
axs[1, 1].pie([1, 2], colors=['b', 'y'])
axs[1, 1].set_title('Subplot 4')

plt.show()

以上代码中，我们通过创建一个字典，将修改参数值并传递给 plt.rcParams.update(params) 方法实现调整。其中，参数较多，需要根据自己的实际需求进行各项参数设置。

三、添加大标题和标签

Matplotlib 还提供了在多个子图中添加大标题和标签的方法，使图表更有可读性。代码示例如下：

import matplotlib.pyplot as plt

# 创建 2 x 2 的图表结构
fig, axs = plt.subplots(2, 2)

# 第一个子图
axs[0, 0].plot([1, 2], [3, 4])
axs[0, 0].set_title('Subplot 1')

# 第二个子图
axs[0, 1].scatter([1, 2], [3, 4], color='r')
axs[0, 1].set_title('Subplot 2')

# 第三个子图
axs[1, 0].bar([1, 2], [3, 4], color='g')
axs[1, 0].set_title('Subplot 3')

# 第四个子图
axs[1, 1].pie([1, 2], colors=['b', 'y'])
axs[1, 1].set_title('Subplot 4')

# 添加大标题
fig.suptitle('Title for All Subplots', fontsize=18)

# 添加标签
fig.text(0.5, 0.04, 'X-axis Label', ha='center', fontsize=14)
fig.text(0.06, 0.5, 'Y-axis Label', va='center', rotation='vertical', fontsize=14)

plt.show()

以上代码中，我们使用 fig.suptitle(…) 方法添加大标题，并使用 fig.text(…) 方法添加标签。其中 fig.text(…) 的第一个参数为标签的位置，以图表左上角为原点，0.5 表示 x 轴的中间位置，0.04 表示 y 轴标签位置。

四、限制子图的坐标轴范围

有时候，我们需要控制不同子图之间的坐标轴范围，从而更好地呈现不同的数据结构和特征。代码示例如下：

import matplotlib.pyplot as plt

# 创建 2 x 2 的图表结构
fig, axs = plt.subplots(2, 2)

# 第一个子图：限制横坐标范围和纵坐标范围
axs[0, 0].plot([1, 2], [3, 4])
axs[0, 0].set_xlim([0, 3])
axs[0, 0].set_ylim([2, 5])
axs[0, 0].set_title('Subplot 1')

# 第二个子图：限制横纵坐标范围
axs[0, 1].scatter([1, 2], [3, 4], color='r')
axs[0, 1].set_xlim([0, 3])
axs[0, 1].set_ylim([2, 5])
axs[0, 1].set_title('Subplot 2')

# 第三个子图：限制纵坐标范围
axs[1, 0].bar([1, 2], [3, 4], color='g')
axs[1, 0].set_ylim([0, 5])
axs[1, 0].set_title('Subplot 3')

# 第四个子图：限制横坐标范围
axs[1, 1].pie([1, 2], colors=['b', 'y'])
axs[1, 1].set_xlim([0, 3])
axs[1, 1].set_title('Subplot 4')

plt.show()

以上代码中，我们使用 axs[x_index, y_index].set_xlim([min_value, max_value]) 和 axs[x_index, y_index].set_ylim([min_value, max_value]) 方法实现对子图坐标轴范围的限制。其中 [min_value, max_value] 表示对坐标轴范围的限制。

五、结论

通过以上示例，我们可以看到 pythonsubplots 在 Matplotlib 中的强大功能。pythonsubplots 可以使我们在一个图表中展示多个数据，并通过调节子图间距和大小，添加大标题和标签，限制子图的坐标轴范围等方法，实现更好的数据呈现和分析。