子图的绘制和坐标轴共享和子图的布局

介绍

matplotlib提供了多种绘制子图的方式，常用的有subplot(),suplots(),suplot2grid()，在实际操作中有时会有坐标轴共享和规划子图布局的需求。下面小编详细介绍这些方式的用法和坐标轴共享和子图的布局。

子图

子图是画布上规划好的一个个区域，这些区域统称为子图。子图可分为固定区域的子图和自定义区域的子图，固定区域的子图又可细分为单子图和多子图，matplotlib提供绘制单子图的方式是subplot()，多子图的方式是subplots()；自定义区域子图的方式是suplot2grid()。

固定区域的子图

matplotlib可以将整个画布规划成等分部局的m*n（行*列）的矩阵区域，并按照从上到下，从左到右的方式对每个区域进行编号（编号从1开始），之后在选中的某个或某些区域中绘制单个或多个子图。

单子图

使用pyplot的suplot()函数可以在规划好的某个区域中绘制单个子图，suplot()函数的语法格式如下：

matplotlib.pyplot.suplot(nrows,ncols,index,projection,polar,sharex,sharey,label,

**kwargs)

参数含义如下：

nrows：表示规划区域的行数

ncols：表示规划区域的列数

index：表示选择区域的索引，默认从1开始编号

projection：表示子图的投影类型，其值可以为None、'aitoff'、'hammer'、'lambert'、'mollweide'、'polar'、'rectilinear'中任一取值，其中默认值None代表使用'rectilinear'直接投影

polar：表示是否使用极坐标，默认值False，表示不使用极坐标。若参数polar的值为True，那么其作用等同于projection='polar'

sharex,sharey:表示是否共享子图x轴或y轴

参数nrows，ncols，index可以单独传参，也可以3个整数（3个数都要小于10）的形式组合传参。例如，suplot(2，3，5)与suplot(235)作用是一样的，都表示将画布规划成2行3列，并在索引为5的区域中绘图

代码实操

不积跬步无以至千里

# 通过窗口的形式显示图片, 很好地体现子图与整个画布的位置关系，如果在pycharm中则不需要加
%matplotlib auto
# 导入模块
import matplotlib.pyplot as plt
# 画布被规划为3×2 的矩阵区域 , 之后在索引为6 的区域中绘制子图
ax_one = plt.subplot(326) 
ax_one.plot([1, 2, 3, 4, 5]) 
# 画布被规划为3×1 的矩阵区域 , 之后在索引为2 的区域中绘制子图　　　
ax_two = plt.subplot(312) 
ax_two.plot([1, 2, 3, 4, 5])
plt.show()

运行后效果图

笨鸟先飞（某工厂产品A与产品B去年的销售额分析）

%matplotlib auto
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ["SimHei"]
x = [x for x in range(1, 13)]
y1 = [20, 28, 23, 16, 29, 36, 39, 33, 31, 19, 21, 25]
y2 = [17, 22, 39, 26, 35, 23, 25, 27, 29, 38, 28, 20]
labels = ['1 月', '2 月', '3 月', '4 月', '5 月', '6 月', '7月', '8 月', '9 月', '10 月', '11 月', '12 月']
# 将画布规划成等分布局的2×1的矩阵区域 , 之后在索引为1的区域中绘制子图
ax1 = plt.subplot(211)
ax1.plot(x, y1, 'm--o', lw=2, ms=5, label='产品A')
ax1.plot(x, y2, 'g--o', lw=2, ms=5, label='产品B')
ax1.set_title("产品A 与产品B的销售额", fontsize=11)
ax1.set_ylim(10, 45)
ax1.set_ylabel('销售额(亿元)')
ax1.set_xlabel('月份')
for xy1 in zip(x, y1):
    ax1.annotate("%s" % xy1[1], xy=xy1, xytext=(-5, 5), textcoords='offset points')
for xy2 in zip(x, y2):
    ax1.annotate("%s" % xy2[1], xy=xy2, xytext=(-5, 5), textcoords='offset points')
ax1.legend()
# 将画布规划成等分布局的2×2的矩阵区域 , 之后在索引为3的区域中绘制子图
ax2 = plt.subplot(223)
ax2.pie(y1, radius=1, wedgeprops={'width':0.5}, labels=labels, autopct='%3.1f%%', pctdistance=0.75)
ax2.set_title('产品A的销售额 ')
# 将画布规划成等分布局的2×2的矩阵区域 , 之后在索引为4的区域中绘制子图
ax3 = plt.subplot(224)
ax3.pie(y2, radius=1, wedgeprops={'width':0.5}, labels=labels,autopct='%3.1f%%', pctdistance=0.75)
ax3.set_title('产品B的销售额 ')
# 调整子图之间的距离
plt.tight_layout()
plt.show()

运行后效果图

多子图

使用pyplot的subplois()函数可以在规划好的所有区域中一次绘制多个子图。subplots()函数的语法格式如下：

matplotlib.pyplot.suplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_ho=-None, **fig_kw)

常用参数的含义如下。
nrows:：表示规划区域的行数，默认为1。
ncols：表示规划区域的列数，默认为1。
sharex,sharey：表示是否共享子图的x轴或y轴。
squeeze：表示是否返回压缩的Axes对象数组，默认为True。当squeeze为True时。若nrows和ncols均为1，则subplots0)函数会返回一个Axes对象；若nrows和ncols均大于1，则subplots()函数会返回一个Axes对象数组。当参