sharey='row' 和 sharey='True' 的区别
Difference between sharey='row' and sharey='True'
我正在考虑包含 3 行和 4 列的图，其中：
有 3 个因变量要绘制：Y1、Y2 和 Y3，以及一个常见的 X 自变量，对于 4 个研究案例：
在这种情况下有：
1) 从 case i 到 case i+1
时共享 y 轴
2) 在 case i
中共享 x 轴
因此，原则上，人们会认为以下代码将产生所需的情节（结果如上图所示）：
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey=True,\
subplot_kw=dict(adjustable='box-forced'))
其中 adjustable='box-forced' 只是为了确保子图是平方的，如 here 所述。
当我尝试为案例 1 绘制 Y1 与 X 时：
import numpy as np
import matplotlib.pyplot as plt
import sys
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey=True,\
subplot_kw=dict(adjustable='box-forced'))
pad = 5
axes[0][0].annotate('Case 1', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][1].annotate('Case 2', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][2].annotate('Case 3', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][3].annotate('Case 4', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
#
axes[0][0].set_ylabel('Y1', fontsize=10)
axes[1][0].set_ylabel('Y2', fontsize=10)
axes[2][0].set_ylabel('Y3', fontsize=10)
E_C_I = np.array([-941.23658347, -941.23685494, -941.23467666])
V_C_I = np.array([ 61.66341, 62.342903, 67.9311515])
E_14 = np.array([-941.22938469, -941.23583586, -941.23605613])
V_14 = np.array([ 54.65693125, 58.47115725, 60.8626545 ])
P_C_I = np.array([ 2.20068119, 1.33328211, -4.28370285])
P_14 = np.array([ 8.16605135, 7.54737315, 0.3909309 ])
axes[0][0].scatter(V_C_I, E_C_I, marker='^', color='red', label='Calcite I')#, s=100)
axes[0][0].scatter(V_14, E_14, marker='o', color='green', label='Calcite I')#, s=100)
axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
plt.tight_layout()
axes[0][0].ticklabel_format(useOffset=False)
plt.show()
sys.exit()
一切似乎都很好：
剧情我已经强行axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
当我尝试为 Case 1 绘制 Y2 与 X 时，以下代码应该可以工作：我基本上和以前一样做，但添加 axes[1][0] 绘图说明：
import numpy as np
import matplotlib.pyplot as plt
import sys
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey=True,\
subplot_kw=dict(adjustable='box-forced'))
pad = 5
axes[0][0].annotate('Case 1', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][1].annotate('Case 2', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][2].annotate('Case 3', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][3].annotate('Case 4', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
#
axes[0][0].set_ylabel('Y1', fontsize=10)
axes[1][0].set_ylabel('Y2', fontsize=10)
axes[2][0].set_ylabel('Y3', fontsize=10)
E_C_I = np.array([-941.23658347, -941.23685494, -941.23467666])
V_C_I = np.array([ 61.66341, 62.342903, 67.9311515])
E_14 = np.array([-941.22938469, -941.23583586, -941.23605613])
V_14 = np.array([ 54.65693125, 58.47115725, 60.8626545 ])
P_C_I = np.array([ 2.20068119, 1.33328211, -4.28370285])
P_14 = np.array([ 8.16605135, 7.54737315, 0.3909309 ])
axes[0][0].scatter(V_C_I, E_C_I, marker='^', color='red', label='Calcite I')#, s=100)
axes[0][0].scatter(V_14, E_14, marker='o', color='green', label='Calcite I')#, s=100)
axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
axes[1][0].scatter(V_C_I, P_C_I, marker='^', color='red', label='Calcite I')#, s=100)
axes[1][0].scatter(V_14, P_14, marker='o', color='green', label='Calcite I')#, s=100)
axes[1][0].set_ylim(bottom=-4.4, top=8.4)
plt.tight_layout()
axes[0][0].ticklabel_format(useOffset=False)
plt.show()
sys.exit()
结果是 axes[0][0] 图改变了比例，因此没有显示数据：
我已经强制 axes[0][0] 和 axes[0][1] 显示确实有数据的区域：
axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
axes[1][0].set_ylim(bottom=-4.4, top=8.4)
但是，axes[0][0] 图上未显示任何数据。为什么会这样？
更新： sharey='row' 和 sharey=True 之间的区别已在优秀的@DavidG 的回答中得到阐明。但是，我测试了 sharex='col' 和 sharex=True 之间的区别，我注意到：
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey='row',\
subplot_kw=dict(adjustable='box-forced'))
生成以下内容：
然而，
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex='col', sharey='row',\
subplot_kw=dict(adjustable='box-forced'))
在列之间留下了一些 space，并打破了要平方的子图的 adjustable='box-forced' 声明：
我想知道为什么会这样？
您已使用参数 sharey=True.
将共享 y 轴应用于 所有 子图
sharey='row' 有一个方便的参数，它将使每一行子图共享相同的 y 轴。因此，将图形的创建更改为：
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey='row',\
subplot_kw=dict(adjustable='box-forced'))
这样就会出现下图：
我正在考虑包含 3 行和 4 列的图，其中：
有 3 个因变量要绘制：Y1、Y2 和 Y3，以及一个常见的 X 自变量，对于 4 个研究案例：
在这种情况下有：
1) 从 case i 到 case i+1
y 轴
2) 在 case i
x 轴
因此，原则上，人们会认为以下代码将产生所需的情节（结果如上图所示）：
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey=True,\
subplot_kw=dict(adjustable='box-forced'))
其中 adjustable='box-forced' 只是为了确保子图是平方的，如 here 所述。
当我尝试为案例 1 绘制 Y1 与 X 时：
import numpy as np
import matplotlib.pyplot as plt
import sys
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey=True,\
subplot_kw=dict(adjustable='box-forced'))
pad = 5
axes[0][0].annotate('Case 1', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][1].annotate('Case 2', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][2].annotate('Case 3', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][3].annotate('Case 4', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
#
axes[0][0].set_ylabel('Y1', fontsize=10)
axes[1][0].set_ylabel('Y2', fontsize=10)
axes[2][0].set_ylabel('Y3', fontsize=10)
E_C_I = np.array([-941.23658347, -941.23685494, -941.23467666])
V_C_I = np.array([ 61.66341, 62.342903, 67.9311515])
E_14 = np.array([-941.22938469, -941.23583586, -941.23605613])
V_14 = np.array([ 54.65693125, 58.47115725, 60.8626545 ])
P_C_I = np.array([ 2.20068119, 1.33328211, -4.28370285])
P_14 = np.array([ 8.16605135, 7.54737315, 0.3909309 ])
axes[0][0].scatter(V_C_I, E_C_I, marker='^', color='red', label='Calcite I')#, s=100)
axes[0][0].scatter(V_14, E_14, marker='o', color='green', label='Calcite I')#, s=100)
axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
plt.tight_layout()
axes[0][0].ticklabel_format(useOffset=False)
plt.show()
sys.exit()
一切似乎都很好：
剧情我已经强行axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
当我尝试为 Case 1 绘制 Y2 与 X 时，以下代码应该可以工作：我基本上和以前一样做，但添加 axes[1][0] 绘图说明：
import numpy as np
import matplotlib.pyplot as plt
import sys
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey=True,\
subplot_kw=dict(adjustable='box-forced'))
pad = 5
axes[0][0].annotate('Case 1', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][1].annotate('Case 2', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][2].annotate('Case 3', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
axes[0][3].annotate('Case 4', xy=(0.5, 1), xytext=(0, pad),
xycoords='axes fraction', textcoords='offset points',
size='large', ha='center', va='baseline')
#
axes[0][0].set_ylabel('Y1', fontsize=10)
axes[1][0].set_ylabel('Y2', fontsize=10)
axes[2][0].set_ylabel('Y3', fontsize=10)
E_C_I = np.array([-941.23658347, -941.23685494, -941.23467666])
V_C_I = np.array([ 61.66341, 62.342903, 67.9311515])
E_14 = np.array([-941.22938469, -941.23583586, -941.23605613])
V_14 = np.array([ 54.65693125, 58.47115725, 60.8626545 ])
P_C_I = np.array([ 2.20068119, 1.33328211, -4.28370285])
P_14 = np.array([ 8.16605135, 7.54737315, 0.3909309 ])
axes[0][0].scatter(V_C_I, E_C_I, marker='^', color='red', label='Calcite I')#, s=100)
axes[0][0].scatter(V_14, E_14, marker='o', color='green', label='Calcite I')#, s=100)
axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
axes[1][0].scatter(V_C_I, P_C_I, marker='^', color='red', label='Calcite I')#, s=100)
axes[1][0].scatter(V_14, P_14, marker='o', color='green', label='Calcite I')#, s=100)
axes[1][0].set_ylim(bottom=-4.4, top=8.4)
plt.tight_layout()
axes[0][0].ticklabel_format(useOffset=False)
plt.show()
sys.exit()
结果是 axes[0][0] 图改变了比例，因此没有显示数据：
我已经强制 axes[0][0] 和 axes[0][1] 显示确实有数据的区域：
axes[0][0].set_ylim(bottom=-941.238, top=-941.229)
axes[1][0].set_ylim(bottom=-4.4, top=8.4)
但是，axes[0][0] 图上未显示任何数据。为什么会这样？
更新： sharey='row' 和 sharey=True 之间的区别已在优秀的@DavidG 的回答中得到阐明。但是，我测试了 sharex='col' 和 sharex=True 之间的区别，我注意到：
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey='row',\
subplot_kw=dict(adjustable='box-forced'))
生成以下内容：
然而，
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex='col', sharey='row',\
subplot_kw=dict(adjustable='box-forced'))
在列之间留下了一些 space，并打破了要平方的子图的 adjustable='box-forced' 声明：
我想知道为什么会这样？
您已使用参数 sharey=True.
sharey='row' 有一个方便的参数，它将使每一行子图共享相同的 y 轴。因此，将图形的创建更改为：
fig, axes = plt.subplots(ncols=4, nrows=3,\
sharex=True, sharey='row',\
subplot_kw=dict(adjustable='box-forced'))
这样就会出现下图：