[Python3] Matplotlib —— (九) 多子图

---

[ Matplotlib version: 3.2.1 ]

---

十、多子图

有时候需要从多个角度对数据进行对比。

Matplotlib为此剔除了子图（subplot）的概念：在较大的图形中同时放置一组较小的坐标轴。这些子图可能是画中画（inset）、网格图（grid of plots），或者是其他更复杂的布局形式。

import numpy as np
%matplotlib inline
import matplotlib.pyplot as plt
plt.style.use('seaborn-white')

（一）plt.axes：手动创建子图

创建坐标轴最基本的方法就是使用plt.axes函数。

• 默认配置是创建一个标准的坐标轴，填满整张图。
• 还有一个可选参数，由图形坐标系统的四个值构成，分别表示图形坐标系统的[bottom, left, width, height]（底坐标、左坐标、宽度、高度），数值的取值范围是左下角（原点）为0，右上角为1
• 面向对象画图接口中类似的命令有plt.add_axes()

# 右上角创建一个画中画
# 先将x与y设置为0.65（坐标轴原点位于图形高度65%和宽度65%的位置）
# 然后将x与y扩展到0.2（将坐标轴的宽度与高度设置为图形的20%）
ax1 = plt.axes() 	# 默认坐标轴
ax2 = plt.axes([0.65, 0.65, 0.2, 0.2])

# 创建两个竖直排列的坐标轴
fig = plt.figure()
ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4],
                   xticklabels=[], ylim=(-1.2, 1.2))
ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.4],
                   ylim=(-1.2, 1.2))
x = np.linspace(0, 10)
ax1.plot(np.sin(x))
ax2.plot(np.cos(x))

• 如上是两个紧挨着的坐标轴（上面的坐标轴无刻度）：上子图（起点y坐标为0.5的位置）与下子图的x轴刻度对应（起点y坐标为0.01，高度为0.4）

（二）plt.subplot：简易网格子图

若干彼此对齐的行列子图是常见的可视化任务。Matplotlib提供一些简便方法：

• 最底层的方法是用plt.subplot()在一个网格中创建一个子图。
• plt.subplot()有三个整型参数：将要创建的网格子图行数、列数和索引值，索引值从1开始，从左上角到右下角依次增大
• plt.subplots_adjust可以调整子图之间的间隔。用面向对象接口的命令fig.add_subplot()有同样的效果

for i in range(1, 7):
    plt.subplot(2, 3, i)
    plt.text(0.5, 0.5, str((2, 3, i)),
             fontsize=18, ha='center')

# 通过plt.subplots_adjust的hspace与wspace参数设置与图形高度与宽度一致的子图间距，数值以子图的尺寸为单位
# 间距是子图宽度与高度的40%
fig = plt.figure()
fig.subplots_adjust(hspace=0.4, wspace=0.4)
for i in range(1, 7):
    ax = fig.add_subplot(2, 3, i)
    ax.text(0.5, 0.5, str((2, 3, i)),
            fontsize=18, ha='center')

（三）plt.subplots：用一行代码创建网格

当要创建一个大型网格子图时，尤其是当需要隐藏内部子图的x轴与y轴标题时，可以用plt.subplots()实现（前面的方法不可用）：

• plt.subplots()不是用来创建单个子图的，而是用一行代码创建多个子图，并返回一个包含子图的NumPy数组
• plt.subplots()关键参数是行数与列数，以及可选参数sharex与sharey，通过它们可以设置不同子图之间的关联关系
• 与plt.subplot()（索引从1开始）相比，plt.subplots()与Python索引从0开始的规则保持一致

# 创建一个2*3网格子图，每行的3个子图使用相同的y轴坐标，每列的2个子图使用相同的x轴坐标
fig, ax = plt.subplots(2, 3, sharex='col', sharey='row')

• 设置sharex与sharey参数之后，就可以自动去掉网格内部子图的标签，让图形看起来更加整洁。
• 坐标轴实例网格的返回结果是一个NumPy数组，这样就可以通过标准的数组取值方式轻松获取想要的坐标轴

# 坐标轴存放在一个NumPy数组中，按照[row, col]取值
for i in range(2):
    for j in range(3):
        ax[i, j].text(0.5, 0.5, str((i, j)),
                      fontsize=18, ha='center')

（四）plt.GridSpec：实现更复杂的排列方式

如果想实现不规则的多行多列子图网格，plt.GridSpec()是最好的工具。

• plt.GridSpec()对象本身不能直接创建一个图形，它只是plt.subplot()命令可以识别的简易接口
• 可以通过类似Python切片的语法设置子图的位置和扩展尺寸

grid = plt.GridSpec(2, 3, wspace=0.4, hspace=0.3)

plt.subplot(grid[0, 0])
plt.subplot(grid[0, 1:])
plt.subplot(grid[1, :2])
plt.subplot(grid[1, 2])

• 这种灵活的网格排列方式用途十分广泛，可以用来创建多轴频次直方图（multi-axes histogram）（Seaborn也有专门的API能实现这种类型的分布图）

# 创建一些正态分布数据
mean = [0, 0]
cov = [[1, 1], [1, 2]]
x, y = np.random.multivariate_normal(mean, cov, 3000).T

# 设置坐标轴和网格配置方式
fig = plt.figure(figsize=(6, 6))
grid = plt.GridSpec(4, 4, hspace=0.2, wspace=0.2)
main_ax = fig.add_subplot(grid[:-1, 1:])
y_hist = fig.add_subplot(grid[:-1, 0], xticklabels=[], sharey=main_ax)
x_hist = fig.add_subplot(grid[-1, 1:], yticklabels=[], sharex=main_ax)

# 主坐标轴画散点图
main_ax.plot(x, y, 'ok', markersize=3, alpha=0.2)

# 次坐标轴画频次直方图
x_hist.hist(x, 40, histtype='stepfilled',
            orientation='vertical', color='gray')
x_hist.invert_yaxis()

y_hist.hist(y, 40, histtype='stepfilled',
            orientation='horizontal', color='gray')
y_hist.invert_xaxis()

---

Matplotlib 相关阅读：

[Python3] Matplotlib —— (一) 入门基础
[Python3] Matplotlib —— (二) 简易线形图
[Python3] Matplotlib —— (三) 简易散点图
[Python3] Matplotlib —— (四) 可视化异常处理
[Python3] Matplotlib —— (五) 密度图与等高线图
[Python3] Matplotlib —— (六) 频次直方图、数据区间划分和分布密度
[Python3] Matplotlib —— (七) 配置图例
[Python3] Matplotlib —— (八) 配置颜色条

---

总结自《Python数据科学手册》