Matplotlib 多个散点子图并共享颜色条

在本文中，我们将介绍如何使用Matplotlib绘制多个散点子图，并共享颜色条。散点子图是绘制多样化数据的一种常见方式，共享颜色条则可以统一不同子图的颜色范围，增加图表的可读性和可比性。

前置知识

在继续学习Matplotlib多个散点子图共享颜色条之前，需要了解散点图和基本的Matplotlib绘图操作。这里简单介绍一下散点图的绘制方法。

使用Matplotlib绘制散点图，需要使用scatter函数。它的基本语法如下所示：

plt.scatter(x, y, s=None, c=None, cmap=None)

其中，x和y分别是散点的横轴和纵轴坐标，s是点的大小，c是点的颜色，cmap是使用的颜色映射表。可以将不同的点分别用不同的颜色表示，也可以使用颜色映射表将数据映射到某种颜色范围内。

绘制多个散点子图

要绘制多个散点子图，首先需要创建一个有多个子图的图表。可以使用plt.subplots函数创建，其基本语法如下所示：

fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(10, 6))

其中，nrows和ncols分别指定子图的行数和列数，figsize是整个图表的尺寸。通过axes[i][j]可以访问第i行、第j列的子图。

下面我们以示例数据为例，绘制两个散点子图，分别显示两个班级的成绩分布情况。代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
np.random.seed(0)
x1 = np.random.randn(50)
y1 = np.random.randn(50)
x2 = np.random.randn(30)
y2 = np.random.randn(30)

# 创建子图
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 4))

# 绘制散点图
axes[0].scatter(x1, y1, c='r', label='class 1')
axes[1].scatter(x2, y2, c='b', label='class 2')

# 添加图例和标题
axes[0].legend()
axes[0].set_title('Class 1 Scores')
axes[1].legend()
axes[1].set_title('Class 2 Scores')

# 显示图形
plt.show()

我们成功地绘制了两个散点子图，分别显示了两个班级的成绩分布情况。

多个散点子图共享颜色条

接下来，我们来介绍如何将不同的散点子图共享颜色条。这样可以统一不同子图的颜色范围，增加图表的可读性和可比性。

实现方法是，首先需要将所有散点子图的数据都放在一个坐标系下，然后使用共享颜色条将颜色范围关联到这个坐标系上。下面我们以实例数据为例，绘制两个散点子图并共享颜色条。代码如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
np.random.seed(0)
x1 = np.random.randn(50)
y1 = np.random.randn(50)
x2 = np.random.randn(30)
y2 = np.random.randn(30)
data1 = np.c_[x1, y1]
data2 = np.c_[x2, y2]

# 计算数据范围
min_val = min(data1.min(), data2.min())
max_val = max(data1.max(), data2.max())

# 创建子图和图形
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(10, 4))
fig.subplots_adjust(wspace=0.2)

# 绘制散点图
scatter1 = axes[0].scatter(x1, y1, c='r', label='class 1')
scatter1.set_clim([min_val, max_val])

scatter2 = axes[1].scatter(x2, y2, c='b', label='class 2')
scatter2.set_clim([min_val, max_val])

# 添加颜色条
cbar = fig.colorbar(scatter1, ax=axes.ravel().tolist())

# 添加图例和标题
axes[0].legend()
axes[0].set_title('Class 1 Scores')
axes[1].legend()
axes[1].set_title('Class 2 Scores')

# 显示图形
plt.show()

我们成功地绘制了两个散点子图，并共享了一个颜色条。颜色条上的颜色范围与整个数据范围相同，使不同子图间的颜色分布更具可比性和可读性。