如何在python中灵活地画子图plt.axes：python中灵活地画子图方法

51 阅读 0 评论 34 点赞

我是靠谱客的博主饱满彩虹，最近开发中收集的这篇文章主要介绍如何在python中灵活地画子图plt.axes：python中灵活地画子图方法，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

plt.axes：python中灵活地画子图方法

最近在修改文章的时候遇到了要画出大小不同的子图问题，一直以来都是采用plt.subplot(num_rows, num_cols, fig_index)直接来画子图的，但是发现这种方法很难调整子图的大小，于是采用plt.axes来解决问题。

首先来看下Figure和Axes对象，在python的matplotlib库中，整个图像为一个Figure对象，在Figure对象中可以包含一个或多个Axes对象，每个Axes对象都是一个拥有自己坐标系统的绘图区域，其逻辑关系如下：

Figure和Axes的关系

plt.axes官方文档
代码块高亮
图片链接和图片上传
LaTex数学公式
UML序列图和流程图
离线写博客
导入导出Markdown文件
丰富的快捷键

plt.axes官方文档

axes() by itself creates a default full subplot(111) window axis.
axes(rect, facecolor=‘w’) where rect = [left, bottom, width, height] in normalized (0, 1) units. facecolor is the background color for the axis, default white.
axes(h) where h is an axes instance makes h the current axis. An Axes instance is returned.

rect=[左，下，宽，高] 规定的矩形区域(范围是0~1)，rect矩形简写，这里的数值都是以figure大小为比例，因此，若是要两个axes并排显示，那么axes[2]的左=axes[1].左+axes[1].宽，这样axes[2]才不会和axes[1]重叠。

参数facecolor是用于调整背景色的，网上很多博客直接抄旧版的博客采用的参数仍旧是axisbg，然而自matplotlib2.0+版本后就将axisbg改成了facecolor了。

代码块

三个子图

import matplotlib.pyplot as plt
import numpy as np

# create some data to use for the plot
dt = 0.001
t = np.arange(0.0, 10.0, dt)
r = np.exp(-t[:1000]/0.05)               # impulse response
x = np.random.randn(len(t))
s = np.convolve(x, r)[:len(x)]*dt  # colored noise

# the main axes is subplot(111) by default
plt.plot(t, s)
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])
plt.xlabel('time (s)')
plt.ylabel('current (nA)')
plt.title('Gaussian colored noise')

# this is an inset axes over the main axes
a = plt.axes([.65, .6, .2, .2], facecolor='y')
n, bins, patches = plt.hist(s, 400, normed=1)
plt.title('Probability')
plt.xticks([])
plt.yticks([])

# this is another inset axes over the main axes
b = plt.axes([0.2, 0.6, .2, .2], facecolor='y')
plt.plot(t[:len(r)], r)
plt.title('Impulse response')
plt.xlim(0, 0.2)
plt.xticks([])
plt.yticks([])

plt.show()

生成的图片如下所示：
生成的三个子图

两个子图

import numpy as np
import matplotlib.pyplot as plt

t = np.linspace(0, 2 * np.pi, 30)
x1 = 6 * (2 * np.cos(t) - np.cos(2 * t))
y1 = 6 * (2 * np.sin(t) - np.sin(2 * t))
x2 = 3 * (2 * np.cos(t) - np.cos(2 * t))
y2 = 3 * (2 * np.sin(t) - np.sin(2 * t))

plt.figure()
# set the size of subplots
left, width = 0.10, 0.77
bottom, height = 0.07, 0.3
bottom_h = bottom + height + 0.04
rect_line1 = [left, bottom, width, height]
rect_line2 = [left, bottom_h, width, 0.5]
axbelow = plt.axes(rect_line1)
# plt.xticks([])   # 隐去坐标
# plt.yticks([])
axupper = plt.axes(rect_line2)
# plt.xticks([])
# plt.yticks([])

plot1=axbelow.plot(y1,x1,'-ob',ms=3)
plot2=axupper.plot(y2,x2,'-og',ms=3)

plt.show()