|
Matplotlib在一张画布上画多个图的两种方法，plt.subplot,plt.subplots。
目录
回顾plt.subplots()画法plt.subplot()画法保存
回顾
之前也用过plt.subplots()在一张图上画过多个图，今天看到用plt.subplot()的画法想着也来实现下，同时也发现了两者之间的优缺点，感觉subplot()更便捷一点。其实两者都是别人写好的库函数，只要理解好库函数的传递参数的参数，合理的将自己传入的参数整理，两者都容易上手的。 这里我用的是jupyter notebook 画的，工具挺多的。
plt.subplots()画法
import matplotlib.pyplot as plt
import numpy as np
#数据
v1 = [5, 20, 36, 10, 75, 90]
v2 = [10, 25, 8, 60, 20, 80]
attr = ["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]
#plt.subplots()是一个函数，返回一个包含figure和axes数组对象的元组
figure ,axes =plt.subplots(2,2,figsize=(18,12),dpi=100)
# 设置显示中文
plt.rcParams['font.sans-serif'] = ['SimHei'] # 指定默认字体
plt.rcParams['axes.unicode_minus']=False # 正常显示负号
ax = axes.flatten() #子图展平,将ax由n*m的Axes组展平成1*nm的Axes组(二维变一维)
# 绘制直方图
# data:必选参数，绘图数据
# bins:直方图的长条形数目，可选项，默认为10
# facecolor:长条形的颜色
# edgecolor:长条形边框的颜色
data = np.random.randn(1000)# 随机生成（1000）服从正态分布的数据
axes[0][0].hist(data,bins=30,facecolor='blue',edgecolor='red')
axes[0][0].set_xlabel("区间")# 显示横轴标签
axes[0][0].set_ylabel("频数/频率")# 显示纵轴标签
axes[0][0].set_title("hist")
# 绘制条形图
axes[0][1].bar(attr,v1,width=0.4, alpha=0.8, color='red', label="v1")
# axes[0][1].bar(attr,v2,width=0.3, alpha=0.8, color='green', label="v2")
axes[0][1].set_title("bar")
axes[0][1].set_xlabel("类别")# 显示横轴标签
axes[0][1].set_ylabel("销量")# 显示纵轴标签
axes[0][1].legend()
# 绘制条形图
ax[2].bar(attr,v2,width=0.4, alpha=0.8, color='green', label="v1")
# axes[0][1].bar(attr,v2,width=0.3, alpha=0.8, color='green', label="v2")
ax[2].set_title("bar1")
ax[2].set_xlabel("类别")# 显示横轴标签
ax[2].set_ylabel("销量")# 显示纵轴标签
ax[2].legend()
# 绘制饼图
sum =0
for data in v2:
sum+=data
d =[]
for data in v2:
d.append(data/sum)
explode = [0.06,0,0,0,0.05,0]
ax[3].pie(x=d,labels=attr,autopct = '%3.2f%%', colors=('b', 'g', 'r', 'c', 'm', 'y'),explode=explode)
ax[3].set_title("pie")
ax[3].axis('equal')
ax[3].legend()
# x (每一块)的比例，如果sum(x) > 1会使用sum(x)归一化
# labels (每一块)饼图外侧显示的说明文字
# explode (每一块)离开中心距离
# startangle 起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起
# shadow 是否阴影
# labeldistance label绘制位置,相对于半径的比例, 如 |