matplotlib绘画子图

本文展示了如何使用Python的matplotlib库,通过GridSpec功能创建了一个2行2列的子图,分别绘制了正弦函数、余弦函数、正切函数和二次函数的图像,突出了数据可视化的基本操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

import numpy as np
import matplotlib.pyplot as plt
x = np.linspace(0,1,100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = x**2
#设置画布的大小
fig = plt.figure(figsize=(7, 9))
#设置坐标刻度方向朝内
plt.rcParams['xtick.direction']='in'
plt.rcParams['ytick.direction']='in'
#绘制2行2列的子图,并设置第一行子图与第二行子图的高度比为5:5,宽度比的代码是:width_ratios=[5,5]
grid = plt.GridSpec(2,2, height_ratios=[5,5])
#绘画第一张子图
plt.subplot(grid[0])
plt.plot(x,y1)
plt.ylabel('y')
#绘画第二张子图
plt.subplot(grid[1])
plt.plot(x,y2)
#绘画第三张子图
plt.subplot(grid[2])
plt.plot(x,y3)
plt.ylabel('y')
plt.xlabel('x')
#绘画第四张子图
plt.subplot(grid[3])
plt.plot(x,y4)
plt.xlabel('x')

plt.tight_layout() ##减少图四周为多余的白色区域
plt.show()

运行结果
在这里插入图片描述

内容概要:《2024年中国城市低空经济发展指数报告》由36氪研究院发布,指出低空经济作为新质生产力的代表,已成为中国经济新的增长点。报告从发展环境、资金投入、创新能力、基础支撑和发展成效五个维度构建了综合指数评价体系,评估了全国重点城市的低空经济发展状况。北京和深圳在总指数中名列前茅,分别以91.26和84.53的得分领先,展现出强大的资金投入、创新能力和基础支撑。低空经济主要涉及无人机、eVTOL(电动垂直起降飞行器)和直升机等产品,广泛应用于农业、物流、交通、应急救援等领域。政策支持、市场需求和技术进步共同推动了低空经济的快速发展,预计到2026年市场规模将突破万亿元。 适用人群:对低空经济发展感兴趣的政策制定者、投资者、企业和研究人员。 使用场景及目标:①了解低空经济的定义、分类和发展驱动力;②掌握低空经济的主要应用场景和市场规模预测;③评估各城市在低空经济发展中的表现和潜力;④为政策制定、投资决策和企业发展提供参考依据。 其他说明:报告强调了政策监管、产业生态建设和区域融合错位的重要性,提出了加强法律法规建设、人才储备和基础设施建设等建议。低空经济正加速向网络化、智能化、规模化和集聚化方向发展,各地应找准自身比较优势,实现差异化发展。
数据集一个高质量的医学像数据集,专门用于脑肿瘤的检测和分类研究以下是关于这个数据集的详细介绍:该数据集包含5249张脑部MRI像,分为训练集和验证集。每张像都标注了边界框(Bounding Boxes),并按照脑肿瘤的类型分为四个类别:胶质瘤(Glioma)、脑膜瘤(Meningioma)、无肿瘤(No Tumor)和垂体瘤(Pituitary)。这些像涵盖了不同的MRI扫描角度,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构,为模型训练提供了丰富多样的数据基础。高质量标注:边界框是通过LabelImg工具手动标注的,标注过程严谨,确保了标注的准确性和可靠性。多角度覆盖:像从不同的MRI扫描角度拍摄,包括矢状面、轴面和冠状面,能够全面覆盖脑部解剖结构。数据清洗与筛选:数据集在创建过程中经过了彻底的清洗,去除了噪声、错误标注和质量不佳的像,保证了数据的高质量。该数据集非常适合用于训练和验证深度学习模型,以实现脑肿瘤的检测和分类。它为开发医学像处理中的计算机视觉应用提供了坚实的基础,能够帮助研究人员和开发人员构建更准确、更可靠的脑肿瘤诊断系统。这个数据集为脑肿瘤检测和分类的研究提供了宝贵的资源,能够帮助研究人员开发出更准确、更高效的诊断工具,从而为脑肿瘤患者的早期诊断和治疗规划提供支持。
### 使用 `subplot` 和 `add_subplot` 方法创建和管理多个 #### 导入必要的库 为了使用 Matplotlib 的功能来创建和管理,首先需要导入相应的 Python 库[^4]: ```python import matplotlib.pyplot as plt ``` #### 定义画布大小并初始化 Figure 对象 通常会先定义一个较大的画布尺寸以便更好地展示所有的。可以通过设置 figsize 参数来自定义像窗口的宽度和高度。 #### 使用 `subplot()` 函数创建单个或多个 此方法接受三个主要参数:nrows 表示行的数量、ncols 表示列的数量以及 index 来指明当前要操作的是哪一个区[^2]。下面是一个简单的例说明如何在一个 2×2 布局中添加四个不同的表: ```python plt.figure(figsize=(8, 6)) # 设置整体形大小为宽8英寸高6英寸 for i in range(1, 5): # 循环四次分别对应四个位置上的 ax = plt.subplot(2, 2, i) # 创建一个新的实例 ax.text(0.5, 0.5, f'Subplot {i}', ha='center', va='center') # 向每个中心添加文字标签 plt.tight_layout() # 自动调整各元素间距使布局更紧凑美观 plt.show() ``` #### 利用 `add_subplot()` 方法实现相同效果 除了上述方式外,还可以利用 add_subplot 方法达到同样的目的。这种方法更加灵活因为它可以直接作用于已存在的 figure 实例之上,并且支持传递额外的关键字参数给新建立起来的 Axes 类对象[^3]。 ```python fig = plt.figure(figsize=(8, 6)) axes_list = [] for idx in range(1, 5): axes_list.append(fig.add_subplot(2, 2, idx)) for ax, num in zip(axes_list, ['One', 'Two', 'Three', 'Four']): ax.set_title(f'This is Subplot {num}') ax.plot([1, 2], [3, 4]) plt.tight_layout() plt.show() ``` 这两种途径都可以有效地帮助开发者在同一个窗口内组织多张统计表或其他类型的可视化结果。选择哪种取决于个人偏好或是具体应用场景下的需求差异。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值