matplotlib subplot子圖怎么用

Matplotlib Subplot子圖怎么用

Matplotlib 是 Python 中最常用的數據可視化庫之一，它提供了豐富的繪圖功能。在數據分析和可視化過程中，我們經常需要在一個畫布上繪制多個子圖（subplot），以便更好地展示數據之間的關系。本文將詳細介紹如何使用 Matplotlib 的 subplot 功能來創建和管理子圖。

目錄

1. Matplotlib 簡介
2. Subplot 的基本概念
3. 創建簡單的 Subplot
4. 調整 Subplot 的布局
5. 共享坐標軸
6. 使用 GridSpec 進行復雜布局
7. Subplot 的高級用法
8. 常見問題與解決方案
9. 總結

Matplotlib 簡介

Matplotlib 是一個強大的 Python 繪圖庫，廣泛用于生成各種靜態、動態和交互式的圖表。它最初由 John D. Hunter 開發，現在由一個活躍的社區維護。Matplotlib 的設計靈感來源于 MATLAB，因此它的 API 與 MATLAB 的繪圖函數非常相似。

Matplotlib 的核心是 pyplot 模塊，它提供了類似于 MATLAB 的繪圖接口。通過 pyplot，用戶可以輕松地創建各種類型的圖表，如折線圖、散點圖、柱狀圖、餅圖等。

Subplot 的基本概念

在 Matplotlib 中，subplot 是指在一個畫布上創建多個子圖。每個子圖都可以獨立地繪制不同的圖表。子圖的排列方式可以是任意的，但最常見的是按行和列排列的網格布局。

子圖的索引

在 Matplotlib 中，子圖的索引是從 1 開始的。例如，subplot(2, 2, 1) 表示在一個 2x2 的網格中，第一個子圖（左上角）。索引的順序是從左到右、從上到下。

創建子圖的基本語法

創建子圖的基本語法如下：

import matplotlib.pyplot as plt

# 創建一個 2x2 的子圖網格
plt.subplot(2, 2, 1)  # 第一個子圖
plt.plot([1, 2, 3], [4, 5, 6])

plt.subplot(2, 2, 2)  # 第二個子圖
plt.plot([1, 2, 3], [6, 5, 4])

plt.subplot(2, 2, 3)  # 第三個子圖
plt.plot([1, 2, 3], [7, 8, 9])

plt.subplot(2, 2, 4)  # 第四個子圖
plt.plot([1, 2, 3], [9, 8, 7])

plt.show()

在這個例子中，我們創建了一個 2x2 的子圖網格，并在每個子圖中繪制了不同的折線圖。

創建簡單的 Subplot

使用 subplot 函數

subplot 函數是創建子圖的最基本方法。它的語法如下：

plt.subplot(nrows, ncols, index, **kwargs)

• nrows: 子圖網格的行數。
• ncols: 子圖網格的列數。
• index: 當前子圖的索引（從 1 開始）。
• **kwargs: 其他可選參數，如 projection、polar 等。

示例：創建 2x2 的子圖網格

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 2x2 的子圖網格
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x))
plt.title('tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, np.exp(x))
plt.title('exp(x)')

plt.tight_layout()  # 自動調整子圖間距
plt.show()

在這個例子中，我們創建了一個 2x2 的子圖網格，并在每個子圖中繪制了不同的函數圖像。

使用 add_subplot 方法

除了 subplot 函數，我們還可以使用 Figure 對象的 add_subplot 方法來創建子圖。這種方法更加靈活，特別是在需要創建復雜的子圖布局時。

import matplotlib.pyplot as plt
import numpy as np

# 創建一個 Figure 對象
fig = plt.figure()

# 添加子圖
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot(np.sin(np.linspace(0, 10, 100)))
ax1.set_title('sin(x)')

ax2 = fig.add_subplot(2, 2, 2)
ax2.plot(np.cos(np.linspace(0, 10, 100)))
ax2.set_title('cos(x)')

ax3 = fig.add_subplot(2, 2, 3)
ax3.plot(np.tan(np.linspace(0, 10, 100)))
ax3.set_title('tan(x)')

ax4 = fig.add_subplot(2, 2, 4)
ax4.plot(np.exp(np.linspace(0, 10, 100)))
ax4.set_title('exp(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們首先創建了一個 Figure 對象，然后使用 add_subplot 方法添加了四個子圖。

調整 Subplot 的布局

在創建子圖時，我們經常需要調整子圖之間的間距、邊距等布局參數。Matplotlib 提供了多種方法來調整子圖的布局。

使用 tight_layout 函數

tight_layout 函數可以自動調整子圖之間的間距，以避免子圖之間的重疊。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 2x2 的子圖網格
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x))
plt.title('tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, np.exp(x))
plt.title('exp(x)')

plt.tight_layout()  # 自動調整子圖間距
plt.show()

使用 subplots_adjust 函數

subplots_adjust 函數允許手動調整子圖之間的間距和邊距。它的常用參數包括：

• left: 左邊距。
• right: 右邊距。
• bottom: 底邊距。
• top: 頂邊距。
• wspace: 子圖之間的水平間距。
• hspace: 子圖之間的垂直間距。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 2x2 的子圖網格
plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, np.tan(x))
plt.title('tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, np.exp(x))
plt.title('exp(x)')

# 手動調整子圖間距
plt.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9, wspace=0.4, hspace=0.4)
plt.show()

在這個例子中，我們使用 subplots_adjust 函數手動調整了子圖之間的間距和邊距。

共享坐標軸

在某些情況下，我們希望多個子圖共享同一個坐標軸，以便更好地比較數據。Matplotlib 提供了多種方法來共享坐標軸。

使用 sharex 和 sharey 參數

在創建子圖時，可以通過 sharex 和 sharey 參數來指定共享的坐標軸。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 2x2 的子圖網格，并共享 x 軸和 y 軸
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True)

# 繪制子圖
axs[0, 0].plot(x, np.sin(x))
axs[0, 0].set_title('sin(x)')

axs[0, 1].plot(x, np.cos(x))
axs[0, 1].set_title('cos(x)')

axs[1, 0].plot(x, np.tan(x))
axs[1, 0].set_title('tan(x)')

axs[1, 1].plot(x, np.exp(x))
axs[1, 1].set_title('exp(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們創建了一個 2x2 的子圖網格，并通過 sharex=True 和 sharey=True 參數共享了 x 軸和 y 軸。

使用 twinx 和 twiny 方法

twinx 和 twiny 方法可以創建共享 x 軸或 y 軸的子圖。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建主圖
fig, ax1 = plt.subplots()

# 繪制第一個子圖
ax1.plot(x, np.sin(x), 'b-')
ax1.set_xlabel('X axis')
ax1.set_ylabel('sin(x)', color='b')
ax1.tick_params('y', colors='b')

# 創建共享 x 軸的第二個子圖
ax2 = ax1.twinx()
ax2.plot(x, np.cos(x), 'r-')
ax2.set_ylabel('cos(x)', color='r')
ax2.tick_params('y', colors='r')

plt.show()

在這個例子中，我們創建了一個主圖和一個共享 x 軸的子圖，分別繪制了 sin(x) 和 cos(x) 函數。

使用 GridSpec 進行復雜布局

在某些情況下，簡單的網格布局無法滿足需求，我們需要更復雜的子圖布局。Matplotlib 提供了 GridSpec 類來實現復雜的子圖布局。

創建復雜的子圖布局

GridSpec 類允許我們創建復雜的子圖布局，例如跨越多行或多列的子圖。

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

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 GridSpec 對象
fig = plt.figure()
gs = gridspec.GridSpec(3, 3)

# 創建子圖
ax1 = fig.add_subplot(gs[0, :])
ax1.plot(x, np.sin(x))
ax1.set_title('sin(x)')

ax2 = fig.add_subplot(gs[1, :-1])
ax2.plot(x, np.cos(x))
ax2.set_title('cos(x)')

ax3 = fig.add_subplot(gs[1:, -1])
ax3.plot(x, np.tan(x))
ax3.set_title('tan(x)')

ax4 = fig.add_subplot(gs[-1, 0])
ax4.plot(x, np.exp(x))
ax4.set_title('exp(x)')

ax5 = fig.add_subplot(gs[-1, -2])
ax5.plot(x, np.log(x))
ax5.set_title('log(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們使用 GridSpec 創建了一個復雜的子圖布局，其中包含跨越多行或多列的子圖。

使用 subplot2grid 函數

subplot2grid 函數是另一種創建復雜子圖布局的方法。它允許我們指定子圖的位置和大小。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建復雜的子圖布局
plt.figure()

# 創建第一個子圖
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot(x, np.sin(x))
ax1.set_title('sin(x)')

# 創建第二個子圖
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax2.plot(x, np.cos(x))
ax2.set_title('cos(x)')

# 創建第三個子圖
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax3.plot(x, np.tan(x))
ax3.set_title('tan(x)')

# 創建第四個子圖
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax4.plot(x, np.exp(x))
ax4.set_title('exp(x)')

# 創建第五個子圖
ax5 = plt.subplot2grid((3, 3), (2, 1))
ax5.plot(x, np.log(x))
ax5.set_title('log(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們使用 subplot2grid 函數創建了一個復雜的子圖布局，其中包含跨越多行或多列的子圖。

Subplot 的高級用法

使用 Axes 對象

在 Matplotlib 中，每個子圖都是一個 Axes 對象。Axes 對象提供了豐富的繪圖方法，可以用于繪制各種類型的圖表。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 Figure 和 Axes 對象
fig, axs = plt.subplots(2, 2)

# 繪制子圖
axs[0, 0].plot(x, np.sin(x))
axs[0, 0].set_title('sin(x)')

axs[0, 1].plot(x, np.cos(x))
axs[0, 1].set_title('cos(x)')

axs[1, 0].plot(x, np.tan(x))
axs[1, 0].set_title('tan(x)')

axs[1, 1].plot(x, np.exp(x))
axs[1, 1].set_title('exp(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們創建了一個 2x2 的子圖網格，并使用 Axes 對象繪制了不同的函數圖像。

使用 Figure 對象

Figure 對象是 Matplotlib 中的頂級容器，它可以包含多個 Axes 對象。通過 Figure 對象，我們可以更好地控制圖表的布局和樣式。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 創建 Figure 對象
fig = plt.figure()

# 添加子圖
ax1 = fig.add_subplot(2, 2, 1)
ax1.plot(x, np.sin(x))
ax1.set_title('sin(x)')

ax2 = fig.add_subplot(2, 2, 2)
ax2.plot(x, np.cos(x))
ax2.set_title('cos(x)')

ax3 = fig.add_subplot(2, 2, 3)
ax3.plot(x, np.tan(x))
ax3.set_title('tan(x)')

ax4 = fig.add_subplot(2, 2, 4)
ax4.plot(x, np.exp(x))
ax4.set_title('exp(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們首先創建了一個 Figure 對象，然后使用 add_subplot 方法添加了四個子圖。

使用 subplot_mosaic 函數

subplot_mosaic 函數是 Matplotlib 3.3 版本引入的新功能，它允許我們使用字符串來定義子圖的布局。

import matplotlib.pyplot as plt
import numpy as np

# 創建數據
x = np.linspace(0, 10, 100)

# 使用 subplot_mosaic 創建子圖布局
fig, axs = plt.subplot_mosaic([
    ['A', 'A', 'B'],
    ['C', 'D', 'D']
])

# 繪制子圖
axs['A'].plot(x, np.sin(x))
axs['A'].set_title('sin(x)')

axs['B'].plot(x, np.cos(x))
axs['B'].set_title('cos(x)')

axs['C'].plot(x, np.tan(x))
axs['C'].set_title('tan(x)')

axs['D'].plot(x, np.exp(x))
axs['D'].set_title('exp(x)')

plt.tight_layout()
plt.show()

在這個例子中，我們使用 subplot_mosaic 函數創建了一個復雜的子圖布局，并使用字符串來定義子圖的位置。

常見問題與解決方案

子圖重疊

當子圖之間的間距不足時，子圖可能會重疊?？梢酝ㄟ^調整 subplots_adjust 函數的 wspace 和 hspace 參數來解決這個問題。

”`python import matplotlib.pyplot as plt import numpy as np

創建數據

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

創建 2x2 的子圖網格

plt.subplot(2, 2, 1) plt.plot(x, np.sin(x)) plt.title(‘sin(x)’)

plt.subplot(2, 2, 2)