Matplotlib子图
Matplotlib子图详解
基础概念
Matplotlib子图(Subplot)是指在同一个图形窗口(figure)中创建多个坐标轴(axes)对象，用于在同一画布上展示多个相关图表。这是数据可视化中常用的技术，可以方便地比较不同数据集或同一数据集的不同方面。
子图类型
Matplotlib提供了几种创建子图的方式：
plt.subplot()- 基于网格创建子图plt.subplots()- 一次性创建多个子图GridSpec- 更灵活的子图布局subplot2grid()- 创建不规则布局的子图
优势
- 节省空间，可以在一个窗口中展示多个相关图表
- 便于数据对比和分析
- 保持一致的风格和比例
- 减少重复代码
应用场景
- 多维度数据可视化
- 算法效果对比
- 时间序列分析
- 特征相关性分析
- 模型训练过程监控
常见问题及解决方案
1. 子图重叠
原因：通常是由于子图间距设置不当或画布大小不足导致。
解决方案：
import matplotlib.pyplot as plt
fig, axs = plt.subplots(2, 2)
plt.tight_layout() # 自动调整子图间距
plt.show()或者手动调整：
plt.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9, wspace=0.4, hspace=0.4)2. 子图大小不一致
原因：默认情况下，Matplotlib会尝试保持子图大小一致，但某些情况下可能失效。
解决方案：
fig, axs = plt.subplots(2, 2, figsize=(10, 8), gridspec_kw={'width_ratios': [3, 1], 'height_ratios': [1, 2]})3. 共享坐标轴
原因：需要比较相同量纲的数据时，共享坐标轴更方便。
解决方案：
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True)4. 不规则子图布局
解决方案：
import matplotlib.gridspec as gridspec
fig = plt.figure(figsize=(10, 8))
gs = gridspec.GridSpec(3, 3)
ax1 = plt.subplot(gs[0, :]) # 第一行全部
ax2 = plt.subplot(gs[1, :-1]) # 第二行前两列
ax3 = plt.subplot(gs[1:, -1]) # 第二三行最后一列
ax4 = plt.subplot(gs[-1, 0]) # 最后一行第一列
ax5 = plt.subplot(gs[-1, -2]) # 最后一行倒数第二列完整示例代码
import numpy as np
import matplotlib.pyplot as plt
# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(-x)
# 创建2x2的子图
fig, axs = plt.subplots(2, 2, figsize=(10, 8))
# 绘制第一个子图
axs[0, 0].plot(x, y1, 'r-')
axs[0, 0].set_title('Sin(x)')
axs[0, 0].grid(True)
# 绘制第二个子图
axs[0, 1].plot(x, y2, 'b--')
axs[0, 1].set_title('Cos(x)')
axs[0, 1].grid(True)
# 绘制第三个子图
axs[1, 0].plot(x, y3, 'g-.')
axs[1, 0].set_title('Tan(x)')
axs[1, 0].set_ylim(-5, 5) # 限制y轴范围
axs[1, 0].grid(True)
# 绘制第四个子图
axs[1, 1].plot(x, y4, 'm:')
axs[1, 1].set_title('Exp(-x)')
axs[1, 1].grid(True)
# 添加大标题
fig.suptitle('Trigonometric and Exponential Functions', fontsize=16)
# 调整布局
plt.tight_layout()
plt.show()高级技巧
- 嵌套子图：
fig = plt.figure()
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=2)
ax2 = plt.subplot2grid((3, 3), (0, 2), rowspan=3)
ax3 = plt.subplot2grid((3, 3), (1, 0))
ax4 = plt.subplot2grid((3, 3), (1, 1))
ax5 = plt.subplot2grid((3, 3), (2, 0), colspan=2)- 共享x轴：
fig, axs = plt.subplots(3, 1, sharex=True)- 不同比例的子图：
fig = plt.figure(figsize=(10, 6))
gs = gridspec.GridSpec(2, 2, width_ratios=[3, 1], height_ratios=[1, 2])Matplotlib子图功能强大且灵活，掌握这些技巧可以显著提高数据可视化的效率和质量。
相关·内容
没有搜到相关的文章
云服务器
ICP备案
云直播
即时通信 IM
实时音视频
腾讯云开发者
