如何在多个子图中绘制
How to plot in multiple subplots
我对这段代码的工作原理有点困惑：
fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()
在这种情况下，无花果、轴如何工作？它有什么作用？
还有为什么这不能做同样的事情：
fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)
阅读文档：matplotlib.pyplot.subplots
pyplot.subplots() returns 元组 fig, ax 使用符号
在两个变量中解包
fig, axes = plt.subplots(nrows=2, ncols=2)
代码：
fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)
不起作用，因为 subplots() 是 pyplot 中的函数，不是对象 Figure.
的成员
有几种方法可以做到这一点。 subplots 方法创建图形以及随后存储在 ax 数组中的子图。例如：
import matplotlib.pyplot as plt
x = range(10)
y = range(10)
fig, ax = plt.subplots(nrows=2, ncols=2)
for row in ax:
for col in row:
col.plot(x, y)
plt.show()
但是，类似这样的方法也可以，但事实并非如此"clean"，因为您正在创建一个带有子图的图形，然后在它们之上添加：
fig = plt.figure()
plt.subplot(2, 2, 1)
plt.plot(x, y)
plt.subplot(2, 2, 2)
plt.plot(x, y)
plt.subplot(2, 2, 3)
plt.plot(x, y)
plt.subplot(2, 2, 4)
plt.plot(x, y)
plt.show()
您可能对以下事实感兴趣：从 matplotlib 2.1 版开始，问题中的第二个代码也可以正常工作。
来自change log：
Figure class now has subplots method
The Figure class now has a subplots() method which behaves the same as pyplot.subplots() but on an existing figure.
示例：
import matplotlib.pyplot as plt
fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)
plt.show()
import matplotlib.pyplot as plt
fig, ax = plt.subplots(2, 2)
ax[0, 0].plot(range(10), 'r') #row=0, col=0
ax[1, 0].plot(range(10), 'b') #row=1, col=0
ax[0, 1].plot(range(10), 'g') #row=0, col=1
ax[1, 1].plot(range(10), 'k') #row=1, col=1
plt.show()
您也可以在子图中解压轴调用
并设置子图之间是否共享x轴和y轴
像这样：
import matplotlib.pyplot as plt
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
ax1.plot(range(10), 'r')
ax2.plot(range(10), 'b')
ax3.plot(range(10), 'g')
ax4.plot(range(10), 'k')
plt.show()
如果你真的想使用循环，请执行以下操作：
def plot(data):
fig = plt.figure(figsize=(100, 100))
for idx, k in enumerate(data.keys(), 1):
x, y = data[k].keys(), data[k].values
plt.subplot(63, 10, idx)
plt.bar(x, y)
plt.show()
按顺序遍历所有子图：
fig, axes = plt.subplots(nrows, ncols)
for ax in axes.flatten():
ax.plot(x,y)
访问特定索引：
for row in range(nrows):
for col in range(ncols):
axes[row,col].plot(x[row], y[col])
其他答案都很好，这个答案是一个组合，可能会有用。
import numpy as np
import matplotlib.pyplot as plt
# Optional: define x for all the sub-plots
x = np.linspace(0,2*np.pi,100)
# (1) Prepare the figure infrastructure
fig, ax_array = plt.subplots(nrows=2, ncols=2)
# flatten the array of axes, which makes them easier to iterate through and assign
ax_array = ax_array.flatten()
# (2) Plot loop
for i, ax in enumerate(ax_array):
ax.plot(x , np.sin(x + np.pi/2*i))
#ax.set_title(f'plot {i}')
# Optional: main title
plt.suptitle('Plots')
总结
- 准备图形基础设施
- 获取ax_array，一个子图数组
- 展平数组以便在一个数组中使用它'for loop'
- 情节循环
- 遍历扁平化的 ax_array 以更新子图
- 可选：使用枚举来跟踪子图编号
- 一旦展平，每个
ax_array 都可以从 0 到 nrows x ncols -1 单独索引（例如 ax_array[0]、ax_array[1]、ax_array[2]、 ax_array[3]).
带有 pandas
的子图
- 此答案适用于以
pandas, which, uses matplotlib 作为默认绘图后端的子图。
- 这是创建以
pandas.DataFrame 开头的子图的四个选项
- 实施 1. 和 2. 适用于宽格式的数据，为每一列创建子图。
- 实施 3. 和 4. 适用于长格式数据，为列中的每个唯一值创建子图。
- 测试于
python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、seaborn 0.11.2
进口和数据
import seaborn as sns # data only
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# wide dataframe
df = sns.load_dataset('planets').iloc[:, 2:5]
orbital_period mass distance
0 269.300 7.10 77.40
1 874.774 2.21 56.95
2 763.000 2.60 19.84
3 326.030 19.40 110.62
4 516.220 10.50 119.47
# long dataframe
dfm = sns.load_dataset('planets').iloc[:, 2:5].melt()
variable value
0 orbital_period 269.300
1 orbital_period 874.774
2 orbital_period 763.000
3 orbital_period 326.030
4 orbital_period 516.220
1。 subplots=True 和 layout，每列
- 在
pandas.DataFrame.plot 中使用参数subplots=True和layout=(rows, cols)
- 此示例使用
kind='density'，但 kind 有不同的选项，这适用于所有选项。不指定 kind，默认为线图。
ax 是 pandas.DataFrame.plotAxesSubplot 数组
- 如果需要，请参阅 How to get a
Figure object。
- How to save pandas subplots
axes = df.plot(kind='density', subplots=True, layout=(2, 2), sharex=False, figsize=(10, 6))
# extract the figure object; only used for tight_layout in this example
fig = axes[0][0].get_figure()
# set the individual titles
for ax, title in zip(axes.ravel(), df.columns):
ax.set_title(title)
fig.tight_layout()
plt.show()
2。 plt.subplots，每列
- 创建一个
Axes with matplotlib.pyplot.subplots的数组，然后将axes[i, j]或axes[n]传递给ax参数。
- 此选项使用
pandas.DataFrame.plot，但可以使用其他axes级绘图调用作为替代（例如sns.kdeplot、plt.plot等）
- 用
.ravel or .flatten. See 将Axes的子图数组折叠成一维最简单。
- 任何应用于每个
axes 的需要迭代的变量都与 .zip 组合（例如 cols、axes、colors , palette, 等等）。每个对象的长度必须相同。
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6)) # define the figure and subplots
axes = axes.ravel() # array to 1D
cols = df.columns # create a list of dataframe columns to use
colors = ['tab:blue', 'tab:orange', 'tab:green'] # list of colors for each subplot, otherwise all subplots will be one color
for col, color, ax in zip(cols, colors, axes):
df[col].plot(kind='density', ax=ax, color=color, label=col, title=col)
ax.legend()
fig.delaxes(axes[3]) # delete the empty subplot
fig.tight_layout()
plt.show()
1 和 2 的结果
3。 plt.subplots，对于 .groupby
中的每个组
- 这类似于 2.，除了它将
color 和 axes 压缩到 .groupby 对象。
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6)) # define the figure and subplots
axes = axes.ravel() # array to 1D
dfg = dfm.groupby('variable') # get data for each unique value in the first column
colors = ['tab:blue', 'tab:orange', 'tab:green'] # list of colors for each subplot, otherwise all subplots will be one color
for (group, data), color, ax in zip(dfg, colors, axes):
data.plot(kind='density', ax=ax, color=color, title=group, legend=False)
fig.delaxes(axes[3]) # delete the empty subplot
fig.tight_layout()
plt.show()
4。 seaborn 图形级情节
- 使用
seaborn 图级图，并使用 col 或 row 参数。 seaborn 是 matplotlib 的高级 API。参见 seaborn: API reference
p = sns.displot(data=dfm, kind='kde', col='variable', col_wrap=2, x='value', hue='variable',
facet_kws={'sharey': False, 'sharex': False}, height=3.5, aspect=1.75)
sns.move_legend(p, "upper left", bbox_to_anchor=(.55, .45))
将axes数组转换为一维
- 使用
plt.subplots(nrows, ncols) 生成子图，其中 nrows 和 ncols 都大于 1，returns <AxesSubplot:> 对象的嵌套数组。
- 在
nrows=1 或 ncols=1 的情况下，没有必要展平 axes，因为 axes 已经是一维的，这是默认参数 squeeze=True
- 访问对象的最简单方法是使用
.ravel(), .flatten(), or .flat 将数组转换为一维。
flatten总是returns一份。ravel returns 尽可能查看原始数组。
- 一旦
axes的数组转换为一维，就有多种绘图方式。
import matplotlib.pyplot as plt
import numpy as np # sample data only
# example of data
rads = np.arange(0, 2*np.pi, 0.01)
y_data = np.array([np.sin(t*rads) for t in range(1, 5)])
x_data = [rads, rads, rads, rads]
# Generate figure and its subplots
fig, axes = plt.subplots(nrows=2, ncols=2)
# axes before
array([[<AxesSubplot:>, <AxesSubplot:>],
[<AxesSubplot:>, <AxesSubplot:>]], dtype=object)
# convert the array to 1 dimension
axes = axes.ravel()
# axes after
array([<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>],
dtype=object)
- 遍历展平数组
- 如果子图比数据多，这将导致
IndexError: list index out of range
- 改为尝试选项 3，或 select 轴的子集（例如
axes[:-2]）
for i, ax in enumerate(axes):
ax.plot(x_data[i], y_data[i])
- 通过索引访问每个轴
axes[0].plot(x_data[0], y_data[0])
axes[1].plot(x_data[1], y_data[1])
axes[2].plot(x_data[2], y_data[2])
axes[3].plot(x_data[3], y_data[3])
- 索引数据和轴
for i in range(len(x_data)):
axes[i].plot(x_data[i], y_data[i])
zip 将轴和数据放在一起，然后遍历元组列表
for ax, x, y in zip(axes, x_data, y_data):
ax.plot(x, y)
输出
这是一个简单的解决方案
fig, ax = plt.subplots(nrows=2, ncols=3, sharex=True, sharey=False)
for sp in fig.axes:
sp.plot(range(10))
我对这段代码的工作原理有点困惑：
fig, axes = plt.subplots(nrows=2, ncols=2)
plt.show()
在这种情况下，无花果、轴如何工作？它有什么作用？
还有为什么这不能做同样的事情：
fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)
阅读文档：matplotlib.pyplot.subplots
pyplot.subplots() returns 元组 fig, ax 使用符号
fig, axes = plt.subplots(nrows=2, ncols=2)
代码：
fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)
不起作用，因为 subplots() 是 pyplot 中的函数，不是对象 Figure.
有几种方法可以做到这一点。 subplots 方法创建图形以及随后存储在 ax 数组中的子图。例如：
import matplotlib.pyplot as plt
x = range(10)
y = range(10)
fig, ax = plt.subplots(nrows=2, ncols=2)
for row in ax:
for col in row:
col.plot(x, y)
plt.show()
但是，类似这样的方法也可以，但事实并非如此"clean"，因为您正在创建一个带有子图的图形，然后在它们之上添加：
fig = plt.figure()
plt.subplot(2, 2, 1)
plt.plot(x, y)
plt.subplot(2, 2, 2)
plt.plot(x, y)
plt.subplot(2, 2, 3)
plt.plot(x, y)
plt.subplot(2, 2, 4)
plt.plot(x, y)
plt.show()
您可能对以下事实感兴趣：从 matplotlib 2.1 版开始，问题中的第二个代码也可以正常工作。
来自change log：
Figure class now has subplots method The Figure class now has a subplots() method which behaves the same as pyplot.subplots() but on an existing figure.
示例：
import matplotlib.pyplot as plt
fig = plt.figure()
axes = fig.subplots(nrows=2, ncols=2)
plt.show()
import matplotlib.pyplot as plt
fig, ax = plt.subplots(2, 2)
ax[0, 0].plot(range(10), 'r') #row=0, col=0
ax[1, 0].plot(range(10), 'b') #row=1, col=0
ax[0, 1].plot(range(10), 'g') #row=0, col=1
ax[1, 1].plot(range(10), 'k') #row=1, col=1
plt.show()
您也可以在子图中解压轴调用
并设置子图之间是否共享x轴和y轴
像这样：
import matplotlib.pyplot as plt
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2, sharex=True, sharey=True)
ax1.plot(range(10), 'r')
ax2.plot(range(10), 'b')
ax3.plot(range(10), 'g')
ax4.plot(range(10), 'k')
plt.show()
如果你真的想使用循环，请执行以下操作：
def plot(data):
fig = plt.figure(figsize=(100, 100))
for idx, k in enumerate(data.keys(), 1):
x, y = data[k].keys(), data[k].values
plt.subplot(63, 10, idx)
plt.bar(x, y)
plt.show()
按顺序遍历所有子图：
fig, axes = plt.subplots(nrows, ncols)
for ax in axes.flatten():
ax.plot(x,y)
访问特定索引：
for row in range(nrows):
for col in range(ncols):
axes[row,col].plot(x[row], y[col])
其他答案都很好，这个答案是一个组合，可能会有用。
import numpy as np
import matplotlib.pyplot as plt
# Optional: define x for all the sub-plots
x = np.linspace(0,2*np.pi,100)
# (1) Prepare the figure infrastructure
fig, ax_array = plt.subplots(nrows=2, ncols=2)
# flatten the array of axes, which makes them easier to iterate through and assign
ax_array = ax_array.flatten()
# (2) Plot loop
for i, ax in enumerate(ax_array):
ax.plot(x , np.sin(x + np.pi/2*i))
#ax.set_title(f'plot {i}')
# Optional: main title
plt.suptitle('Plots')
总结
- 准备图形基础设施
- 获取ax_array，一个子图数组
- 展平数组以便在一个数组中使用它'for loop'
- 情节循环
- 遍历扁平化的 ax_array 以更新子图
- 可选：使用枚举来跟踪子图编号
- 一旦展平，每个
ax_array都可以从0到nrows x ncols -1单独索引（例如ax_array[0]、ax_array[1]、ax_array[2]、ax_array[3]).
带有 pandas
的子图- 此答案适用于以
pandas, which, usesmatplotlib作为默认绘图后端的子图。 - 这是创建以
pandas.DataFrame开头的子图的四个选项- 实施 1. 和 2. 适用于宽格式的数据，为每一列创建子图。
- 实施 3. 和 4. 适用于长格式数据，为列中的每个唯一值创建子图。
- 测试于
python 3.8.11、pandas 1.3.2、matplotlib 3.4.3、seaborn 0.11.2
进口和数据
import seaborn as sns # data only
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# wide dataframe
df = sns.load_dataset('planets').iloc[:, 2:5]
orbital_period mass distance
0 269.300 7.10 77.40
1 874.774 2.21 56.95
2 763.000 2.60 19.84
3 326.030 19.40 110.62
4 516.220 10.50 119.47
# long dataframe
dfm = sns.load_dataset('planets').iloc[:, 2:5].melt()
variable value
0 orbital_period 269.300
1 orbital_period 874.774
2 orbital_period 763.000
3 orbital_period 326.030
4 orbital_period 516.220
1。 subplots=True 和 layout，每列
- 在
pandas.DataFrame.plot中使用参数 - 此示例使用
kind='density'，但kind有不同的选项，这适用于所有选项。不指定kind，默认为线图。 ax是pandas.DataFrame.plot 返回的 - 如果需要，请参阅 How to get a
Figureobject。- How to save pandas subplots
subplots=True和layout=(rows, cols)
AxesSubplot 数组
axes = df.plot(kind='density', subplots=True, layout=(2, 2), sharex=False, figsize=(10, 6))
# extract the figure object; only used for tight_layout in this example
fig = axes[0][0].get_figure()
# set the individual titles
for ax, title in zip(axes.ravel(), df.columns):
ax.set_title(title)
fig.tight_layout()
plt.show()
2。 plt.subplots，每列
- 创建一个
Axeswithmatplotlib.pyplot.subplots的数组，然后将axes[i, j]或axes[n]传递给ax参数。- 此选项使用
pandas.DataFrame.plot，但可以使用其他axes级绘图调用作为替代（例如sns.kdeplot、plt.plot等） - 用
.ravelor.flatten. SeeAxes的子图数组折叠成一维最简单。 - 任何应用于每个
axes的需要迭代的变量都与.zip组合（例如cols、axes、colors,palette, 等等）。每个对象的长度必须相同。
- 此选项使用
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6)) # define the figure and subplots
axes = axes.ravel() # array to 1D
cols = df.columns # create a list of dataframe columns to use
colors = ['tab:blue', 'tab:orange', 'tab:green'] # list of colors for each subplot, otherwise all subplots will be one color
for col, color, ax in zip(cols, colors, axes):
df[col].plot(kind='density', ax=ax, color=color, label=col, title=col)
ax.legend()
fig.delaxes(axes[3]) # delete the empty subplot
fig.tight_layout()
plt.show()
1 和 2 的结果
3。 plt.subplots，对于 .groupby
中的每个组
- 这类似于 2.，除了它将
color和axes压缩到.groupby对象。
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(10, 6)) # define the figure and subplots
axes = axes.ravel() # array to 1D
dfg = dfm.groupby('variable') # get data for each unique value in the first column
colors = ['tab:blue', 'tab:orange', 'tab:green'] # list of colors for each subplot, otherwise all subplots will be one color
for (group, data), color, ax in zip(dfg, colors, axes):
data.plot(kind='density', ax=ax, color=color, title=group, legend=False)
fig.delaxes(axes[3]) # delete the empty subplot
fig.tight_layout()
plt.show()
4。 seaborn 图形级情节
- 使用
seaborn图级图，并使用col或row参数。seaborn是matplotlib的高级 API。参见 seaborn: API reference
p = sns.displot(data=dfm, kind='kde', col='variable', col_wrap=2, x='value', hue='variable',
facet_kws={'sharey': False, 'sharex': False}, height=3.5, aspect=1.75)
sns.move_legend(p, "upper left", bbox_to_anchor=(.55, .45))
将axes数组转换为一维
- 使用
plt.subplots(nrows, ncols)生成子图，其中 nrows 和 ncols 都大于 1，returns<AxesSubplot:>对象的嵌套数组。- 在
nrows=1或ncols=1的情况下，没有必要展平axes，因为axes已经是一维的，这是默认参数squeeze=True
- 在
- 访问对象的最简单方法是使用
.ravel(),.flatten(), or.flat将数组转换为一维。flatten总是returns一份。ravelreturns 尽可能查看原始数组。
- 一旦
axes的数组转换为一维，就有多种绘图方式。
import matplotlib.pyplot as plt
import numpy as np # sample data only
# example of data
rads = np.arange(0, 2*np.pi, 0.01)
y_data = np.array([np.sin(t*rads) for t in range(1, 5)])
x_data = [rads, rads, rads, rads]
# Generate figure and its subplots
fig, axes = plt.subplots(nrows=2, ncols=2)
# axes before
array([[<AxesSubplot:>, <AxesSubplot:>],
[<AxesSubplot:>, <AxesSubplot:>]], dtype=object)
# convert the array to 1 dimension
axes = axes.ravel()
# axes after
array([<AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>, <AxesSubplot:>],
dtype=object)
- 遍历展平数组
- 如果子图比数据多，这将导致
IndexError: list index out of range- 改为尝试选项 3，或 select 轴的子集（例如
axes[:-2]）
- 改为尝试选项 3，或 select 轴的子集（例如
- 如果子图比数据多，这将导致
for i, ax in enumerate(axes):
ax.plot(x_data[i], y_data[i])
- 通过索引访问每个轴
axes[0].plot(x_data[0], y_data[0])
axes[1].plot(x_data[1], y_data[1])
axes[2].plot(x_data[2], y_data[2])
axes[3].plot(x_data[3], y_data[3])
- 索引数据和轴
for i in range(len(x_data)):
axes[i].plot(x_data[i], y_data[i])
zip将轴和数据放在一起，然后遍历元组列表
for ax, x, y in zip(axes, x_data, y_data):
ax.plot(x, y)
输出
这是一个简单的解决方案
fig, ax = plt.subplots(nrows=2, ncols=3, sharex=True, sharey=False)
for sp in fig.axes:
sp.plot(range(10))