数据可视化之多表显示

多表显示subplot(),subplots()

使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图

导入库,和调用中文

import matplotlib.pyplot as plt
import numpy as np

作用:解决坐标轴为负时 负号显示为方框的问题

axes:坐标轴

Unicode:编码标准

minus:负号,减号

plt.rcParams['axes.unicode_minus'] = False

解决图上汉字显示为方框的问题 在图上显示汉字

plt.rcParams['font.family'] = ['SimHei']

subplot()函数使用

subplot(numRows,numCols,plotNum)

numRows = 1,numCols = 2,

就是将图表绘制成 1x2 的图片区域, 对应的坐标为:

(1, 1), (1, 2)

plotNum = 1, 表示的坐标为(1, 1), 即第一行第一列的子图。

plotNum = 2, 表示的坐标为(1, 2), 即第一行第二列的子图。

准备数据

plot 1:

xpoints = np.array([0, 6])
ypoints = np.array([0, 100])

plot 2:

x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])

准备画布

plt.subplot(2,2,1)

绘图

plt.plot(xpoints,ypoints)
plt.title('图一')
plt.subplot(2,2,3)
plt.plot(x,y)
plt.title("图二")

总的大标题

plt.suptitle("多张图绘制")

matplotlib.pyplot.subplots(

nrows=1, //默认为1,设置图表的的行数

ncols=1, //默认为1,设置图标列数

*,

sharex=False, //设置x轴是否共享,默认不共享

可设置为 'none'、'all'、'row' 或 'col'。

sharey=False, //设置y轴是否共享,默认不共享。

False 或 none 每个子图的 x 轴或 y 轴都是独立的,

True 或 'all':所有子图共享 x 轴或 y 轴,

'row' 设置每个子图行共享一个 x 或 y 轴,

'col':设置每个子图列共享一个 x 或 y 轴。

squeeze=True,

subplot_kw=None, //可选,字典类型。

把字典的关键字传递给 add_subplot() 来创建每个子图。

gridspec_kw=None, //可选,字典类型。

把字典的关键字传递给 GridSpec 构造函数

创建子图放在网格里(grid)。

**fig_kw) /把详细的关键字参数传给 figure() 函数

准备数据2

np.linspace(start = 0, stop = 100, num = 5) # 平均分布着的数据
x = np.linspace(0,2*np.pi,50)
y = np.sin(x)

原图

plt.figure()
plt.plot(x,y)

yticks = range(-2,2,1)
plt.yticks(yticks)
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.grid(linestyle='--',alpha=0.5)
plt.title('原图')

创建一个画像和一个子图

figure1,plot1 = plt.subplots()
plot1.plot(x,y)
plot1.set_title('一个画像和一个子图')

创建一个画像,两个子图,并共享y轴

figure2,(plot1,plot2) = plt.subplots(1,2,sharey=True)
plot1.plot(x,y) # 折线图
plot1.set_title('子图1') # 子图1的标题
plot1.grid(linestyle='-',alpha = 0.5) # 网格线
plot2.scatter(x,y) # 散点图
plot2.set_title('子图2') # 子图1的标题
plot2.grid(linestyle='-',alpha = 0.5) # 网格线
plt.suptitle('2个子图') # 总标题

在调用subplot()创建子图时通过设置projection='polar',

便可创建一个极坐标子图,

然后调用plot()在极坐标子图中绘图。

fig=plt.figure()
ax1 = plt.subplot(1,2,1, projection='polar') # 极坐标轴
ax2 = plt.subplot(122) # 数据类型相同时,可以省略
fig.subplots_adjust(wspace=0.4) # 设置子图间的间距,为子图宽度的40%
theta=np.arange(0,2*np.pi,0.02)
ax1.plot(theta,theta/6,'-.',lw=2)
ax2.plot(theta,theta/6,'-.',lw=2)

创建四个子图

fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
axs[0, 0].plot(x, y)
axs[1, 1].scatter(x, y)

共享 x 轴

fig,axs = plt.subplots(2, 2, sharex='col')
axs[0, 0].plot(x, y)
axs[1, 1].scatter(x, y)

共享 y 轴

fig2,axs2 = plt.subplots(2, 2, sharey='row')
axs2[0, 0].plot(x, y)
axs2[1, 1].scatter(x, y)

共享 x 轴和 y 轴

fig3,axs3 = plt.subplots(2, 2, sharex='all', sharey='all')
axs3[0, 0].plot(x, y)
axs3[1, 1].scatter(x, y)

这个也是共享 x 轴和 y 轴

fig4,ax = plt.subplots(2, 2, num=10,sharex=True, sharey=True)

创建标识为 10 的图,已经存在的则删除

fig5, axs= plt.subplots(2,2,num=10, clear=True)

展示

plt.show(block=True)

相关推荐
程序猿000001号17 小时前
探索数据可视化的利器:Matplotlib
信息可视化·matplotlib
qingyunliushuiyu1 天前
企业为何需要可视化数据分析系统
数据挖掘·数据分析·数据采集·数据可视化·数据分析系统
图表制作解说(目标1000个图表)1 天前
ECharts柱状图-柱图42,附视频讲解与代码下载
echarts·统计分析·数据可视化·柱状图·大屏可视化
图表制作解说(目标1000个图表)2 天前
ECharts散点图-SymbolShapeMorph,附视频讲解与代码下载
echarts·统计分析·数据可视化·散点图·大屏可视化
图表制作解说(目标1000个图表)2 天前
ECharts关系图-关系图11,附视频讲解与代码下载
echarts·统计分析·数据可视化·关系图·大屏可视化
图表制作解说(目标1000个图表)2 天前
ECharts柱状图-柱图32,附视频讲解与代码下载
echarts·统计分析·数据可视化·柱状图·大屏可视化
图表制作解说(目标1000个图表)2 天前
ECharts热力图-笛卡尔坐标系上的热力图,附视频讲解与代码下载
echarts·统计分析·数据可视化·热力图·大屏可视化
B站计算机毕业设计超人2 天前
计算机毕业设计hadoop+spark视频推荐系统 短视频推荐系统 视频流量预测系统 短视频爬虫 视频数据分析 视频可视化 视频大数据 大数据
大数据·人工智能·python·机器学习·课程设计·数据可视化·推荐算法