matplotlib subplots

1. 简介

matplotlib 是一个用于绘制数据可视化图形的强大库，而subplots 则是 matplotlib 中的一个模块，用于在一个图像中创建多个子图。subplots 提供了一种简单的方式来管理并组织绘制多个子图，使得我们能够更清晰地展示和比较不同的数据。

本文将详细介绍 subplots 的基本概念、常用方法及其一些高级使用技巧，希望能够帮助读者更好地理解和使用 matplotlib subplots。

2. subplots 初探

在使用 subplots 之前，我们首先需要了解 Figure 和 Axes 这两个概念。Figure 是整个图像的最外层容器，而 Axes 则是实际绘图区域。一个 Figure 可以包含一个或多个 Axes。

接下来，我们通过一个简单的例子来演示 subplots 的基本使用。

首先，我们需要导入 matplotlib 并指定使用 inline 模式进行绘图，并导入 numpy 包以生成一些随机数据:

import matplotlib.pyplot as plt
import numpy as np

# 在 notebook 中显示图像
%matplotlib inline

# 生成随机数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

然后，我们可以使用 subplots 方法创建一个包含一个子图的 Figure 和 Axes 对象，并使用 plot 方法绘制数据:

fig, ax = plt.subplots()
ax.plot(x, y)

运行上述代码后，会显示出一个包含一条正弦曲线的子图。

3. 创建多个子图

现在，我们将演示如何在一个图像上创建多个子图。我们可以使用 subplots 的 nrows 和 ncols 参数来指定需要创建的子图的行数和列数。例如，下面的代码将创建一个包含 2 行 2 列的图像，并在每个子图上绘制随机数据:

# 生成随机数据
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 创建 2x2 的图像，并将其分割成 4 个子图
fig, axes = plt.subplots(nrows=2, ncols=2)

# 在每个子图上绘制数据
axes[0, 0].plot(x, y1)
axes[0, 0].set_title('Sin')

axes[0, 1].plot(x, y2)
axes[0, 1].set_title('Cos')

axes[1, 0].plot(x, y3)
axes[1, 0].set_title('Tan')

axes[1, 1].plot(x, y4)
axes[1, 1].set_title('Exp')

# 调整子图之间的距离
plt.tight_layout()

运行上述代码后，会显示一个包含 2 行 2 列的图像，每个子图上都绘制有不同的随机数据。

4. 改变图像的大小和比例

subplots 提供了多种方法来改变图像的大小和比例。首先，我们可以在创建 Figure 对象时指定 figsize 参数来设置图像的大小，其默认值为 (6.4, 4.8)，单位是英寸。

# 设置图像的大小为 8x6 英寸
fig, ax = plt.subplots(figsize=(8, 6))

此外，我们还可以使用 subplots_adjust 方法来调整图像的边距和间距，以便更好地适应某些输出设备。下面的代码将演示如何调整图像的边距和间距：

# 生成随机数据
y1 = np.sin(x)
y2 = np.cos(x)

# 创建一个包含 1 行 2 列的图像
fig, axes = plt.subplots(nrows=1, ncols=2)

# 在第一个子图上绘制数据
axes[0].plot(x, y1)
axes[0].set_title('Sin')

# 在第二个子图上绘制数据
axes[1].plot(x, y2)
axes[1].set_title('Cos')

# 调整图像的边距和间距
plt.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9, wspace=0.4, hspace=0.4)

上述代码将生成一个包含 1 行 2 列的图像，每个子图上都绘制有不同的随机数据。

5. 高级使用技巧

除了基本的使用方法之外，subplots 还支持一些高级的使用技巧，如共享坐标轴、设置标题和标签等。

5.1 共享坐标轴

当我们在一个图像中创建多个子图时，有时候我们会希望其中一些子图共享相同的坐标轴，以便更好地比较它们之间的数据。

例如，下面的代码将创建一个包含 2 行 2 列的图像，并设置第一行的子图共享 x 轴，第二列的子图共享 y 轴:

# 生成随机数据
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)

# 创建 2x2 的图像，并将其分割成 4 个子图
fig, axes = plt.subplots(nrows=2, ncols=2, sharex='col', sharey='row')

# 在第一行的子图上绘制数据
axes[0, 0].plot(x, y1)
axes[0, 0].set_title('Sin')

axes[0, 1].plot(x, y2)
axes[0, 1].set_title('Cos')

# 在第二行的子图上绘制数据
axes[1, 0].plot(x, y3)
axes[1, 0].set_title('Tan')

# 调整子图之间的距离
plt.tight_layout()

上述代码将生成一个包含 2 行 2 列的图像，其中第一行的子图共享 x 轴，第二列的子图共享 y 轴。

5.2 设置标题和标签

我们可以使用 set_title 方法为图像设置标题，使用 set_xlabel 和 set_ylabel 方法为坐标轴设置标签。这些方法接受一个字符串作为参数，并将其用作标题或标签的文本。

例如，下面的代码将创建一个包含 2 行 2 列的图像，并为每个子图设置不同的标题和坐标轴标签:

# 生成随机数据
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 创建 2x2 的图像，并将其分割成 4 个子图
fig, axes = plt.subplots(nrows=2, ncols=2)

# 在第一个子图上绘制数据，并设置标题和坐标轴标签
axes[0, 0].plot(x, y1)
axes[0, 0].set_title('Sin')
axes[0, 0].set_xlabel('x')
axes[0, 0].set_ylabel('y')

# 在第二个子图上绘制数据，并设置标题和坐标轴标签
axes[0, 1].plot(x, y2)
axes[0, 1].set_title('Cos')
axes[0, 1].set_xlabel('x')
axes[0, 1].set_ylabel('y')

# 在第三个子图上绘制数据，并设置标题和坐标轴标签
axes[1, 0].plot(x, y3)
axes[1, 0].set_title('Tan')
axes[1, 0].set_xlabel('x')
axes[1, 0].set_ylabel('y')

# 在第四个子图上绘制数据，并设置标题和坐标轴标签
axes[1, 1].plot(x, y4)
axes[1, 1].set_title('Exp')
axes[1, 1].set_xlabel('x')
axes[1, 1].set_ylabel('y')

# 调整子图之间的距离
plt.tight_layout()

上述代码将生成一个包含 2 行 2 列的图像，每个子图上都绘制有不同的随机数据，并为每个子图设置了标题和坐标轴标签。