当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中如何关闭子图的坐标轴：全面指南

Matplotlib中如何关闭子图的坐标轴：全面指南

Matplotlib中如何关闭子图的坐标轴：全面指南

参考：How to Turn Off the Axes for Subplots in Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能。在使用Matplotlib创建复杂的图表时，我们经常需要处理多个子图。有时，为了使图表更加简洁或者突出某些特定元素，我们可能希望关闭某些子图的坐标轴。本文将详细介绍如何在Matplotlib中关闭子图的坐标轴，并提供多种方法和技巧来实现这一目标。

1. 为什么要关闭子图的坐标轴？

在某些情况下，关闭子图的坐标轴可以带来以下好处：

  1. 简化视觉效果：当图表中包含多个子图时，移除不必要的坐标轴可以减少视觉干扰，使观众更容易关注重要信息。
  2. 节省空间：在有限的图表空间内，移除坐标轴可以为实际数据腾出更多空间。
  3. 美化图表：某些类型的图表（如热图或图像显示）在没有坐标轴的情况下可能看起来更加美观。
  4. 突出重点：通过选择性地关闭某些子图的坐标轴，可以引导观众注意力到特定的图表元素上。

2. 使用axis(‘off’)方法关闭坐标轴

最简单和常用的关闭坐标轴的方法是使用axis('off')。这个方法会完全移除坐标轴、刻度和标签。

import matplotlib.pyplot as plt

# 创建一个包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 在第一个子图中绘制数据
ax1.plot([1, 2, 3, 4], [1, 4, 2, 3], label='Data from how2matplotlib.com')
ax1.set_title('With Axes')

# 在第二个子图中绘制相同的数据，但关闭坐标轴
ax2.plot([1, 2, 3, 4], [1, 4, 2, 3], label='Data from how2matplotlib.com')
ax2.set_title('Without Axes')
ax2.axis('off')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

在这个例子中，我们创建了两个子图。左边的子图保留了默认的坐标轴，而右边的子图使用ax2.axis('off')关闭了坐标轴。这个方法简单有效，适用于大多数情况。

3. 使用set_axis_off()方法关闭坐标轴

另一种关闭坐标轴的方法是使用set_axis_off()方法。这个方法的效果与axis('off')相同。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建一个包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 在第一个子图中绘制数据
ax1.plot(x, y, label='Sine wave from how2matplotlib.com')
ax1.set_title('With Axes')

# 在第二个子图中绘制相同的数据，但关闭坐标轴
ax2.plot(x, y, label='Sine wave from how2matplotlib.com')
ax2.set_title('Without Axes')
ax2.set_axis_off()

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何使用set_axis_off()方法来关闭坐标轴。这种方法的优点是语义更加明确，可以提高代码的可读性。

4. 选择性地隐藏特定的坐标轴元素

有时，我们可能只想隐藏坐标轴的某些部分，而不是完全移除它们。Matplotlib提供了多种方法来实现这一目标。

4.1 隐藏刻度标签

如果你只想隐藏刻度标签，可以使用set_xticklabels([])和set_yticklabels([])方法：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.cos(x)

# 创建图表
fig, ax = plt.subplots(figsize=(8, 6))

# 绘制数据
ax.plot(x, y, label='Cosine wave from how2matplotlib.com')

# 隐藏x轴和y轴的刻度标签
ax.set_xticklabels([])
ax.set_yticklabels([])

ax.set_title('Plot with Hidden Tick Labels')
ax.legend()

plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何隐藏x轴和y轴的刻度标签，同时保留刻度线和坐标轴本身。这种方法适用于需要保留网格线但不需要显示具体数值的情况。

4.2 隐藏刻度线

如果你想隐藏刻度线但保留坐标轴，可以使用tick_params()方法：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.exp(-x/10) * np.cos(2*np.pi*x)

# 创建图表
fig, ax = plt.subplots(figsize=(8, 6))

# 绘制数据
ax.plot(x, y, label='Damped oscillation from how2matplotlib.com')

# 隐藏x轴和y轴的刻度线
ax.tick_params(axis='both', which='both', length=0)

ax.set_title('Plot with Hidden Tick Marks')
ax.legend()

plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

在这个例子中，我们使用tick_params()方法将刻度线的长度设置为0，effectively隐藏了它们。这种方法适用于需要保留坐标轴和刻度标签，但不需要显示刻度线的情况。

4.3 隐藏特定的坐标轴

有时，你可能只想隐藏某一个坐标轴。可以使用ax.spines['left'].set_visible(False)这样的方法来实现：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = x**2

# 创建图表
fig, ax = plt.subplots(figsize=(8, 6))

# 绘制数据
ax.plot(x, y, label='Quadratic function from how2matplotlib.com')

# 隐藏左侧和顶部的坐标轴
ax.spines['left'].set_visible(False)
ax.spines['top'].set_visible(False)

# 将y轴刻度线移到右侧
ax.yaxis.tick_right()

ax.set_title('Plot with Hidden Left and Top Spines')
ax.legend()

plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何隐藏左侧和顶部的坐标轴，同时将y轴的刻度线移到右侧。这种方法可以用来创建更简洁的图表，或者突出某些特定的坐标轴。

5. 在子图网格中选择性地关闭坐标轴

当处理多个子图时，我们可能想要选择性地关闭某些子图的坐标轴。以下是一个例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个3x3的子图网格
fig, axs = plt.subplots(3, 3, figsize=(12, 12))

# 生成一些示例数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 在每个子图中绘制不同的数据
for i, ax in enumerate(axs.flat):
    if i % 3 == 0:
        ax.plot(x, y1, label='Sine from how2matplotlib.com')
    elif i % 3 == 1:
        ax.plot(x, y2, label='Cosine from how2matplotlib.com')
    else:
        ax.plot(x, y3, label='Tangent from how2matplotlib.com')

    # 为偶数索引的子图关闭坐标轴
    if i % 2 == 0:
        ax.axis('off')

    ax.set_title(f'Subplot {i+1}')
    ax.legend()

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

在这个例子中，我们创建了一个3×3的子图网格，并在每个子图中绘制了不同的三角函数。我们使用一个循环来遍历所有的子图，并为偶数索引的子图关闭坐标轴。这种方法可以用来创建复杂的图表布局，其中某些子图有坐标轴，而其他子图没有。

6. 在图像显示中关闭坐标轴

当使用Matplotlib显示图像时，通常不需要显示坐标轴。以下是一个例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个示例图像
image = np.random.rand(10, 10)

# 创建图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

# 在第一个子图中显示带有坐标轴的图像
im1 = ax1.imshow(image, cmap='viridis')
ax1.set_title('Image with Axes')

# 在第二个子图中显示没有坐标轴的图像
im2 = ax2.imshow(image, cmap='viridis')
ax2.set_title('Image without Axes')
ax2.axis('off')

# 添加颜色条
fig.colorbar(im1, ax=ax1, label='Value from how2matplotlib.com')
fig.colorbar(im2, ax=ax2, label='Value from how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何在显示图像时关闭坐标轴。左边的子图保留了默认的坐标轴，而右边的子图使用ax2.axis('off')关闭了坐标轴。这种方法在处理热图、图像分析或其他不需要精确坐标的可视化任务时特别有用。

7. 在3D图中关闭坐标轴

Matplotlib也支持3D图形，我们同样可以在3D图中关闭坐标轴。以下是一个例子：

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D

# 创建数据
x = np.linspace(-5, 5, 50)
y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(x, y)
Z = np.sin(np.sqrt(X**2 + Y**2))

# 创建一个包含两个3D子图的图表
fig = plt.figure(figsize=(12, 6))

# 第一个3D子图（带有坐标轴）
ax1 = fig.add_subplot(121, projection='3d')
surf1 = ax1.plot_surface(X, Y, Z, cmap='viridis')
ax1.set_title('3D Plot with Axes')

# 第二个3D子图（没有坐标轴）
ax2 = fig.add_subplot(122, projection='3d')
surf2 = ax2.plot_surface(X, Y, Z, cmap='viridis')
ax2.set_title('3D Plot without Axes')
ax2.axis('off')

# 添加颜色条
fig.colorbar(surf1, ax=ax1, shrink=0.5, aspect=5, label='Z value from how2matplotlib.com')
fig.colorbar(surf2, ax=ax2, shrink=0.5, aspect=5, label='Z value from how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何在3D图中关闭坐标轴。左边的子图保留了默认的3D坐标轴，而右边的子图使用ax2.axis('off')关闭了坐标轴。这种方法可以用来创建更加简洁的3D可视化效果。

8. 在极坐标图中关闭坐标轴

Matplotlib还支持极坐标图，我们同样可以在极坐标图中关闭坐标轴。以下是一个例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
r = np.linspace(0, 2, 100)
theta = 4 * np.pi * r

# 创建一个包含两个极坐标子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6), subplot_kw=dict(projection='polar'))

# 第一个极坐标子图（带有坐标轴）
ax1.plot(theta, r)
ax1.set_title('Polar Plot with Axes')

# 第二个极坐标子图（没有坐标轴）
ax2.plot(theta, r)
ax2.set_title('Polar Plot without Axes')
ax2.axis('off')

# 添加数据来源标签
ax1.text(0, 2.2, 'Data from how2matplotlib.com', ha='center', va='bottom')
ax2.text(0, 2.2, 'Data from how2matplotlib.com', ha='center', va='bottom')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何在极坐标图中关闭坐标轴。左边的子图保留了默认的极坐标轴，而右边的子图使用ax2.axis('off')关闭了坐标轴。这种方法可以用来创建更加简洁的极坐标可视化效果。

9. 使用seaborn库关闭坐标轴

Seaborn是基于Matplotlib的统计数据可视化库，它提供了一些额外的方法来控制图表的外观，包括关闭坐标轴。以下是一个使用seaborn关闭坐标轴的例子：

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 设置seaborn样式
sns.set_style("whitegrid")

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建一个包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 第一个子图（带有坐标轴）
sns.lineplot(x=x, y=y, ax=ax1)
ax1.set_title('Seaborn Plot with Axes')

# 第二个子图（没有坐标轴）
sns.lineplot(x=x, y=y, ax=ax2)
ax2.set_title('Seaborn Plot without Axes')
sns.despine(ax=ax2, left=True, bottom=True)
ax2.set_xticks([])
ax2.set_yticks([])

# 添加数据来源标签
ax1.text(5, -1.1, 'Data from how2matplotlib.com', ha='center', va='bottom')
ax2.text(5, -1.1, 'Data from how2matplotlib.com', ha='center', va='bottom')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

在这个例子中，我们使用seaborn的despine()函数移除了右边子图的左侧和底部坐标轴，然后使用set_xticks([])和set_yticks([])移除了刻度。这种方法可以提供更细粒度的控制，允许你选择性地移除某些坐标轴元素。

10. 在动画中关闭坐标轴

当创建动画时，我们也可能想要关闭坐标轴。以下是一个使用Matplotlib的animation模块创建简单动画并关闭坐标轴的例子：

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np

# 创建图表和轴
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 初始化两条线
line1, = ax1.plot([], [], lw=2)
line2, = ax2.plot([], [], lw=2)

# 设置轴的范围
ax1.set_xlim(0, 2*np.pi)
ax1.set_ylim(-1, 1)
ax2.set_xlim(0, 2*np.pi)
ax2.set_ylim(-1, 1)

# 设置标题
ax1.set_title('Animation with Axes')
ax2.set_title('Animation without Axes')

# 关闭第二个子图的坐标轴
ax2.axis('off')

# 初始化函数
def init():
    line1.set_data([], [])
    line2.set_data([], [])
    return line1, line2,

# 动画函数
def animate(i):
    x = np.linspace(0, 2*np.pi, 100)
    y = np.sin(x + i/10.0)
    line1.set_data(x, y)
    line2.set_data(x, y)
    return line1, line2,

# 创建动画
anim = animation.FuncAnimation(fig, animate, init_func=init,
                               frames=200, interval=20, blit=True)

# 添加数据来源标签
ax1.text(np.pi, -1.2, 'Data from how2matplotlib.com', ha='center', va='bottom')
ax2.text(np.pi, -1.2, 'Data from how2matplotlib.com', ha='center', va='bottom')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子创建了一个动画，展示了一个移动的正弦波。左边的子图保留了坐标轴，而右边的子图使用ax2.axis('off')关闭了坐标轴。这种方法可以用来创建更加简洁的动画效果。

11. 在子图中选择性地关闭部分坐标轴

有时，我们可能只想关闭某些子图的部分坐标轴。以下是一个例子：

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = x**2

# 创建2x2的子图
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2, figsize=(12, 12))

# 绘制数据并设置不同的坐标轴可见性
ax1.plot(x, y1)
ax1.set_title('All axes visible')

ax2.plot(x, y2)
ax2.set_title('Top and right axes invisible')
ax2.spines['top'].set_visible(False)
ax2.spines['right'].set_visible(False)

ax3.plot(x, y3)
ax3.set_title('Left and bottom axes invisible')
ax3.spines['left'].set_visible(False)
ax3.spines['bottom'].set_visible(False)
ax3.yaxis.set_ticks_position('right')
ax3.xaxis.set_ticks_position('top')

ax4.plot(x, y4)
ax4.set_title('All axes invisible')
ax4.axis('off')

# 添加数据来源标签
for ax in [ax1, ax2, ax3, ax4]:
    ax.text(5, ax.get_ylim()[0], 'Data from how2matplotlib.com', ha='center', va='bottom')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子展示了如何在不同的子图中选择性地关闭部分坐标轴。我们可以使用spines属性来控制每个边的可见性，使用set_ticks_position()方法来调整刻度的位置。这种方法提供了极大的灵活性，允许你为每个子图创建独特的外观。

12. 在热图中关闭坐标轴

热图是另一种常见的可视化类型，通常不需要显示坐标轴。以下是一个在热图中关闭坐标轴的例子：

import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np

# 创建随机数据
data = np.random.rand(10, 10)

# 创建包含两个子图的图表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 第一个热图（带有坐标轴）
sns.heatmap(data, ax=ax1, cmap='viridis')
ax1.set_title('Heatmap with Axes')

# 第二个热图（没有坐标轴）
sns.heatmap(data, ax=ax2, cmap='viridis')
ax2.set_title('Heatmap without Axes')
ax2.axis('off')

# 添加数据来源标签
ax1.text(5, 10.5, 'Data from how2matplotlib.com', ha='center', va='bottom')
ax2.text(5, 10.5, 'Data from how2matplotlib.com', ha='center', va='bottom')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何关闭子图的坐标轴：全面指南

这个例子使用seaborn的heatmap()函数创建了两个热图。左边的热图保留了默认的坐标轴，而右边的热图使用ax2.axis('off')关闭了坐标轴。这种方法可以创建更加简洁的热图可视化效果。

结论

在Matplotlib中关闭子图的坐标轴是一个常见的需求，可以通过多种方法实现。从简单的axis('off')和set_axis_off()方法，到更细粒度的控制如spines和tick_params，Matplotlib提供了丰富的选项来满足不同的可视化需求。

选择合适的方法取决于你的具体需求：

  1. 如果你想完全移除所有坐标轴元素，使用axis('off')或set_axis_off()是最简单的方法。
  2. 如果你只想移除某些特定的元素（如刻度标签或刻度线），可以使用set_xticklabels([])、set_yticklabels([])或tick_params()方法。
  3. 如果你想选择性地隐藏某些坐标轴，可以使用spines属性来控制每个边的可见性。
  4. 对于特殊类型的图（如3D图、极坐标图或热图），可能需要使用特定的方法来关闭坐标轴。

无论你选择哪种方法，关键是要根据你的数据和目标受众来决定是否以及如何关闭坐标轴。适当地使用这些技术可以帮助你创建更加清晰、美观和有效的数据可视化。

记住，虽然关闭坐标轴可以简化图表并突出数据，但在某些情况下，保留坐标轴可能更有助于读者理解数据。因此，在决定是否关闭坐标轴时，要仔细考虑你的可视化目标和受众需求。

通过掌握这些技巧，你将能够更好地控制Matplotlib图表的外观，创建出既美观又信息丰富的数据可视化。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程