Matplotlib中如何关闭子图的坐标轴：全面指南|极客教程

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：

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。
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。
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。
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：

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。
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。
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。
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。