【python matplotlib 】fig, ax = plt.subplots()画多表图

文章目录一、 fig, ax = plt.subplots()的作用二、参数的含义三、图上排列多个子图四、把多个子图一起合并到一个图上五、画图刻度、图例等字体、字体大小、刻度密度、线条样式设置一、 fig, ax = plt.subplots()的作用它是用来创建总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写

zou_albert

10676人浏览 · 2021-03-16 19:57:07

zou_albert · 2021-03-16 19:57:07 发布

文章目录

一、 fig, ax = plt.subplots()的作用

它是用来创建总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写）。

plt.subplot(111)是plt.subplot(1, 1, 1)另一个写法而已【引用链接】，更完整的写法是plt.subplot(nrows=1, ncols=1, index=1)【官网matplot.pyplot.subplot链接】；
fig, ax = plt.subplots()等价于fig, ax = plt.subplots(11)【引用链接】。
fig, axes = plt.subplots(23)：即表示一次性在figure上创建成2*3的网格，使用plt.subplot()只能一个一个的添加【引用链接】：

二、参数的含义

fig = plt.figure()

matpltlib.pyplot.figure(
num = None,               # 设定figure名称。系统默认按数字升序命名的figure_num（透视表输出窗口）e.g. “figure1”。可自行设定figure名称，名称或是INT，或是str类型；
figsize=None,             # 设定figure尺寸。系统默认命令是rcParams["figure.fig.size"] = [6.4, 4.8]，即figure长宽为6.4 * 4.8；
dpi=None,                 # 设定figure像素密度。系统默命令是rcParams["sigure.dpi"] = 100；
facecolor=None,           # 设定figure背景色。系统默认命令是rcParams["figure.facecolor"] = 'w'，即白色white；
edgecolor=None, frameon=True,    # 设定要不要绘制轮廓&轮廓颜色。系统默认绘制轮廓，轮廓染色rcParams["figure.edgecolor"]='w',即白色white；
FigureClass=<class 'matplotlib.figure.Figure'>,   # 设定使不使用一个figure模板。系统默认不使用；
clear=False,                     # 设定当同名figure存在时，是否替换它。系统默认False，即不替换。
**kwargs)

ax = plt.subplot() 【官网链接】

三、图上排列多个子图

比如说我们想画个2*2的子图，每个子图对应一个表。

创建多维窗口：

fig, axes = plt.subplots(2, 2)  # 此处是一个2*2的图

设定各个透视子图在窗口的位置：

data.plot.bar(ax=axes[1,1], color='b', alpha=0.5)  # ax=[1,1] 即位置是第2行、第二列。（python从0开始计数，所以“1”代表第2的）
 
data.plot.barh(ax=axes[0,1], color='k', alpha=0.5) # alpha：设定图表的透明度；

添加子透视图代码。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
 
fig, axes = plt.subplots(2, 2)
 
data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))
 
data.plot.bar(ax=axes[1,1], color='b', alpha = 0.5)
data.plot.barh(ax=axes[0,1], color='k', alpha=0.5)
 
plt.show()

四、把多个子图一起合并到一个图上

最主要的一点是让多个图线共用一个x坐标轴。

语句规定N个折线图共用一个x坐标（注意：y轴分主副轴）：

import numpy as np
import matplotlib.pyplot as plt
 
fig, ax1 = plt.subplots(1, 1)             # 做1*1个子图，等价于 " fig, ax1 = plt.subplot() "，等价于 " fig, ax1 = plt.subplots() "
 
ax2 = ax1.twinx()                         # 让2个子图的x轴一样，同时创建副坐标轴。
 
# 作y=sin(x)函数
x1 = np.linspace(0, 4 * np.pi, 100)
y1 = np.sin(x1)
ax1.plot(x1, y1)
 
#  作y = cos(x)函数
x2 = np.linspace(0, 4 * np.pi, 100)       # 表示在区间[0, 4π]之间取100个点（作为横坐标，“线段是有无数多个点组成的”）。
y2 = np.cos(x2)
ax2.plot(x2, y2)
 
plt.savefig('sin_cos_2.png')               # 将窗口另存为png格式图片

在这里插入图片描述
如果需要主副y轴都一样：就把ax1和ax2它俩用ax一个取代了。

自定义图表样式：比如旋转x轴标签、上边和右边的坐标轴不显示、曲线和y轴对齐等

import matplotlib.pyplot as plt
 
plt.rcParams['font.family'] = ['SimHei']              # 解决不能输出中文的问题。不区分大小写，即SimHei’效果等价于‘simhei’，中括号可以不要
plt.rcParams['figure.autolayout'] = True              # 解决不能完整显示的问题（比如因为饼图太大，显示窗口太小）
  
fig, ax = plt.subplots(1, 1, figsize=(12, 9))         # 进一步设定fig的size为12*9
 
ax.spines['top'].set_visible(False)                   # 不显示图表框的上边框
ax.spines['right'].set_visible(False)                 # 不显示图表框的右边框
 
ax.set_xlim(0, 10)                                    # 有时候x轴不会从0显示，使得折线图和y轴有间隙
ax.set_ylim(0, 1.3e8)                                 # 和x轴同理
 
plt.xticks(range(0, 10), fontsize=12, rotation=80)    # 针对x轴的标签，指定我们想要设定的范围是(0, 10), 字体大小是12， 逆时针旋转80°
 
plt.tick_params(bottom='off', left='off', labelbottom='on', lableleft='on')  # 使x轴和y轴不带比例标识点， labelbottom设定下边、即x轴的标签是否显示。
 
< blabla... >
 
plt.suptitle('自定义图表', fontsize=400, ha='center')  # 即标题在x轴和y轴形成的方框内部，如下图（详细用法见下注释）。如果需要标题在这上方，使用 plt.title(blabla)            
plt.show()

"""
对于multiple subplots一般情况下，
1）设置 plt.xticks(range(0, 10))只会对最后一个ax起作用。要想作用于所有subplots，要这样：
for ax in axes:
    ax.set_xticks(range(0, 10))
2）标题：显示中文方面-在各个子图上要这样：
plt.title('某个子图的中文title', fontproperties='simhei')，
因为plt.rcParams['font.family'] = 'simhei' 只对整体的标题是有效的。
整体的标题要这样设置：
plt.suptitle(‘全体子图的中文title’)
3）xticks的旋转方面。例如上面的主副坐标轴的共x轴，要这样：
ax1.set_xticklabels(['str format labels'], rotation=80)
而这样的设置无效：plt.xticks(x, rotation=80)。
"""

在这里插入图片描述

matplotlib.pyplot.suptitle(
t,                          # text缩写。即标题文字。
fontsize | size,            # 设定字体大小。
x,                          # 设定标题相对于x轴的位置，默认是'0.5'。
y,                          # 设定标题相对于y轴的位置，默认是'0.98'。
ha | horizontalalignment,   # 和参数x一起使用，设定标题水平方位，默认是‘center’。共3个可选值{'center', 'left', right'}。
va | verticalalignment,     # 和参数y一起使用，设定标题垂直方位， 默认是'top'。共4个可选值{'top', 'center', 'bottom', 'baseline'}。
fontweight | weight         # 设定字体权重。
)

五、画图刻度、图例等字体、字体大小、刻度密度、线条样式设置

输出图片大小：

figsize = 11,9
figure, ax = plt.subplots(figsize=figsize)

画简单的折线图，同时标注线的形状、名称、粗细：

A,=plt.plot(x1,y1,'-r',label='A',linewidth=5.0,ms=10)

其中线条样式以及颜色设置可参考：添加链接描述。线条粗细使用linewidth设置，对应线条上的marker大小设置为ms参数。因为有时候粗线条，所以对应marker大小也需要增加。如果想要标记marker为空心，可以在后面加上 markerfacecolor=‘none’

设置图例以及对应属性：

legend = plt.legend(handles=[A,B],prop=font1)

图例的字体格式在prop中进行设置，赋值font1可以是一个字典，包含各个属性及其对应值，属性包括family（字体）、size（字体大小）等常用属性，更详细的解释可参考matplotlib手册中关于legend prop的解释。

一种比较简单的设置为：

font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 23,
}

坐标轴刻度密度/间隔设置：括号中的数字为对应的刻度间隔值，y轴对应类似。

ax.xaxis.set_major_locator(MultipleLocator(10))

坐标轴刻度值属性设置：

plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]

其中tick_params中可设置一系列属性，包括刻度值字体大小、方向、大小，颜色等一系列属性，具体可参见手册中关于tick_params的解释。

比较特殊的是，其中并没有对刻度值的字体进行设置的属性，所以我们需要使用下面两行进行设置，在最初使用plt.subplots中有得到一个返回值ax，我们使用ax.get_xticklabels()以及ax.get_yticklabels()来得到所有的刻度值，并使用set_fontname函数来设置属性。

坐标轴名称以及对应字体属性设置：

plt.xlabel('round',font2)
plt.ylabel('value',font2)

这种比较简单，第一个参数为坐标轴名称，第二个参数也是一个字典参数，和上文提及的dict font1格式相同。

有时候，因为调整了坐标刻度的字体大小，影响了坐标轴label的显示。所以我们需要通过调整坐标轴边距来显示label

plt.subplots_adjust(left = 0.15,bottom=0.128)

#--coding:utf-8--
import  matplotlib.pyplot as plt
 
#数据设置
x1 =[0,5000,10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y1=[0, 223, 488, 673, 870, 1027, 1193, 1407, 1609, 1791, 2113, 2388];
 
x2 =[0,5000,10000, 15000, 20000, 25000, 30000, 35000, 40000, 45000, 50000, 55000];
y2=[0, 214, 445, 627, 800, 956, 1090, 1281, 1489, 1625, 1896, 2151];
 
#设置输出的图片大小
figsize = 11,9
figure, ax = plt.subplots(figsize=figsize)
 
#在同一幅图片上画两条折线
A,=plt.plot(x1,y1,'-r',label='A',linewidth=5.0)
B,=plt.plot(x2,y2,'b-.',label='B',linewidth=5.0)
 
#设置图例并且设置图例的字体及大小
font1 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 23,
}
legend = plt.legend(handles=[A,B],prop=font1)
 
#设置坐标刻度值的大小以及刻度值的字体
plt.tick_params(labelsize=23)
labels = ax.get_xticklabels() + ax.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]
 
#设置横纵坐标的名称以及对应字体格式
font2 = {'family' : 'Times New Roman',
'weight' : 'normal',
'size'   : 30,
}
plt.xlabel('round',font2)
plt.ylabel('value',font2)
 
#将文件保存至文件中并且画出图
plt.savefig('figure.eps')
plt.show()