matplotlib 学习笔记(3): subplot and

写了两篇 matplotlib， 感觉这个库里面，函数还真是有点多，，，不知何年何月给写完，或者半道撂翘子，，，算了，不管那么多，先把自己常用的写一写吧 ~

• 目录：
  matplotlib 学习笔记(1)： figure
  matplotlib 学习笔记(2)：plot
  matplotlib 学习笔记(3): subplot and subplots
  matplotlib 学习笔记(4)：ion 和 ioff
  matplotlib 学习笔记(5)：scatter
  seaborn 简单使用

---

subplot 函数

调用 subplot 函数后，如下所示，创建一个nrows 行，ncols 列的 Axes 对象，然后返回在 index 位置的子图。

subplot(nrows, ncols, index, facecolor, polar, **kwargs)

• nrows，ncols，index：如果这三个数都小于10,则可以连写，2,2,2 可以写为 222。
• facecolor：string型，如 ‘b'，’w' 等，设置子图的背景。
• polar：bool类型，默认为False，设置坐标是否为极坐标。

import matplotlib.pyplot as plt
import numpy as np

if __name__ == '__main__' :
    t1 = np.arange(0, 5, 0.1)
    t2 = np.arange(0, 5, 0.02)

    plt.figure(1)
    plt.subplot(221,facecolor = 'gray')
    plt.plot(t1, np.exp(-t1) * np.cos(2 * np.pi * t1), 'r-')

    plt.subplot(222,polar = True)
    plt.plot(t2, np.cos(2 * np.pi * t2), 'r--')

    plt.subplot(212) #大家看这里，不再是前面的 ‘22‘，换成了’21‘，表示两行一列
    plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

    plt.show()

---

效果展示图

当然，如果想要对子图操作更加严格，按照网格来画，可以选择使用 GridSpec 。import matplotlib.gridspec as gridspec，具体使用方法这里便不再展开 ~

subplots 函数

---

subplots 函数会返回一个figure 对象和一个 Axes 对象：

def subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True,
             subplot_kw=None, gridspec_kw=None, **fig_kw):

• nrows and ncols：行和列的个数。
• sharex and sharey：决定是否共享x轴或y轴。
• **fig_kw：figure 函数的参数都可以，如 figsize、facecolor等。

    fig,axes = plt.subplots(2,2)

    axes[0,0].plot(t1, np.exp(-t1) * np.cos(2 * np.pi * t1), 'r-', label = 'line')
    axes[0, 0].locator_params(nbins=10)                               #控制x、y轴的标注位置，此处只用来控制标注个数
    axes[0, 0].set_xlabel('x-label', fontsize=fontsize)               #设置x轴的标签
    axes[0, 0].set_ylabel('y-label', fontsize=fontsize)               #设置y轴的标签
    axes[0, 0].set_title('Title', fontsize=fontsize)                  #设置该子图的标题
    axes[0, 0].legend()                                               #添加图例
    axes[0,1].plot(t2, np.cos(2 * np.pi * t2), 'r--')
    axes[1,1].plot([1, 2, 3, 4], [1, 4, 9, 16])
    plt.show()

稍加修饰

---

顺便再附带一个小命令plt.tight_layout()，可以解决各个子图标签、标题相互遮挡等问题。

plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)

• pad：分数（相对于 font-size），控制各个子图边界或 figure 边界的内边距。
• h_pad and w_pad：单位为英寸，控制相邻子图的高或者宽的边距。