循环遍历 2d 子图，就好像它是 1-D

Question

我正在尝试使用子图绘制许多数据，我没有遇到麻烦，但我想知道是否有一种方便的方法可以做到这一点。

下面是示例代码。

import numpy as np    
import math 
import matplotlib.pyplot as plt

quantities=["sam_mvir","mvir","rvir","rs","vrms","vmax"
,"jx","jy","jz","spin","m200b","m200c","m500c","m2500c"
,"xoff","voff","btoc","ctoa","ax","ay","az"]

# len(quantities) = 21, just to make the second loop expression 
# shorter in this post.

ncol = 5
nrow = math.ceil(21 / ncol)

fig, axes = plt.subplots(nrows = nrow, ncols=ncol, figsize=(8,6))

for i in range(nrow):
    for j in range(((21-i*5)>5)*5 + ((21-i*5)<5)*(21%5)):
        axes[i, j].plot(tree[quantities[i*ncol + j]]) 
        axes[i, j].set_title(quantities[i*ncol + j])

此代码循环遍历二维子图数组并在第 21 个图处停止，留下 4 个面板为空。我的问题是，是否有任何内置方法来完成这项任务？例如，将 2D 子图数组和 "flatten" 数组转换为 1D，然后通过 0 到 20 遍历 1D 数组。

第二个range()中的表达式非常难看。我不认为我会使用此代码。我认为简单的方法是计算地块的数量，如果计数 > 21 则中断。但我只是想知道是否有更好（或更奇特）的方法。

Answer 1

与其使用 plt.subplots 预先创建子图，不如使用 plt.subplot(nrows, ncols, number) 在创建时创建它们。下面的小例子展示了如何做到这一点。它创建了一个 3x3 的绘图阵列，并且只绘制了前 6 个。

import numpy as np
import matplotlib.pyplot as plt

nrows, ncols = 3, 3

x = np.linspace(0,10,100)

fig = plt.figure()    
for i in range(1,7):
    ax = fig.add_subplot(nrows, ncols, i)
    ax.plot(x, x**i)

plt.show()

当然，您可以通过执行 plt.subplot(nrows, ncols, i) 来填充最后三个，但不要在其中调用任何绘图（如果那是您想要的）。

import numpy as np
import matplotlib.pyplot as plt

nrows, ncols = 3, 3

x = np.linspace(0,10,100)

fig = plt.figure()    
for i in range(1,10):
    ax = fig.add_subplot(nrows, ncols, i)
    if i < 7:
        ax.plot(x, x**i)

plt.show()

您可能也喜欢 GridSpec 的外观。

Answer 2

subplots returns 轴对象的 ndarray，您可以将其展平或拆开：

fig, axes = plt.subplots(nrows = nrow, ncols=ncol, figsize=(8,6))
for ax in axes.flatten()[:20]:
    # do stuff to ax

循环遍历 2d 子图，就好像它是 1-D

loop over 2d subplot as if it's a 1-D

python

matplotlib

flatten

subplot