Matplotlib小试牛刀——子图来秀

Kolo_Tong

于 2020-12-20 22:19:22 发布

阅读量524

点赞数

文章标签： python 可视化数据可视化 matplotlib

本文链接：https://blog.youkuaiyun.com/qq_32531505/article/details/111463608

版权

本文介绍了使用Matplotlib创建均匀分布和非均匀分布子图的方法，包括`subplots`的`sharex`和`sharey`属性以及`GridSpec`的使用。通过示例展示了如何调整子图的大小和共享坐标轴，帮助理解数据可视化的灵活性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.常用的子图模式——均匀分布画图

我们常用的子图显示是使用如下代码写的：

 plt.subplots

在画子图之前，我们一般要先设置好字体，不然在画图的时候会报错。代码如下：

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

subplots(1，2，3，4)画子图的参数如下：

参数1：行数
参数2：列数
参数3：figsize 参数可以指定整个画布的大小
参数4：sharex 和 sharey 分别表示是否共享横轴和纵轴刻度

1.1 sharex（sharey）的使用展示

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

fig, axs = plt.subplots(2, 5, figsize=(10, 3),sharex=True, sharey=True)
fig.suptitle('share:True', size=20)
for i in range(2):
    for j in range(5):
        axs[i][j].scatter(np.random.randn(10), np<