首页 > Python资料 博客日记
Python Matplotlib 多图显示 subplot：从组合布局到嵌套图形的全面解析
2025-01-02 07:00:06Python资料围观27次
Python资料网推荐Python Matplotlib 多图显示 subplot：从组合布局到嵌套图形的全面解析这篇文章给大家，欢迎收藏Python资料网享受知识的乐趣
Python Matplotlib 多图显示 subplot：从组合布局到嵌套图形的全面解析
本篇文章详解了 Matplotlib 的多图合并显示的多种方法，包括基础的子图组合、栅格布局、多图嵌套以及孪生坐标系的应用。通过详尽的代码示例与运行结果，读者可以快速掌握如何在一个窗口中展示多个图形。文章涵盖了均匀子图排列、跨行跨列布局的创建技巧，以及如何通过 subplot2grid 和 GridSpec 实现更加精细的栅格图布局。此外，文章还介绍了如何嵌套多个图形，实现主图与子图的组合效果，并通过孪生坐标系为同一图形添加多个 Y 轴以展示不同维度的数据。丰富的注释与图例为每种方法提供了直观的解析，是学习 Matplotlib 多图显示的实用指南。不论是数据科学初学者，还是需要制作复杂图表的开发者，都能从中获益匪浅。
文章目录
一 子图组合 subplot
1 均匀图
def subplot01():
# 创建一个图形窗口
plt.figure()
# 在2x2的网格中创建第1个子图位置
plt.subplot(2, 2, 1)
# 在第1个子图中绘制一条线，从(0,0)到(1,1)
plt.plot([0, 1], [0, 1])
# 在2x2的网格中创建第2个子图位置
plt.subplot(2, 2, 2)
# 在第2个子图中绘制一条线，从(0,0)到(1,2)
plt.plot([0, 1], [0, 2])
# 在2x2的网格中创建第3个子图位置，使用另一种指定方式223
plt.subplot(223)
# 在第3个子图中绘制一条线，从(0,0)到(1,3)
plt.plot([0, 1], [0, 3])
# 在2x2的网格中创建第4个子图位置，使用另一种指定方式224
plt.subplot(224)
# 在第4个子图中绘制一条线，从(0,0)到(1,4)
plt.plot([0, 1], [0, 4])
# 显示图形窗口
plt.show()
运行结果
2 跨列图
def subplot02():
# 在2行1列的网格中创建第1个子图位置，此子图占据第一行的全部
plt.subplot(2, 1, 1)
# 在第1个子图中绘制一条线，从(0,0)到(1,1)
plt.plot([0, 1], [0, 1])
# 在2行3列的网格中创建第4个子图位置，这里的子图位于第二行的第一个位置
plt.subplot(2, 3, 4)
# 在第2个子图中绘制一条线，从(0,0)到(1,2)
plt.plot([0, 1], [0, 2])
# 使用简写方式235，等同于在2行3列的网格中指定第5个子图，即第二行的第二个位置
plt.subplot(235)
# 在第3个子图中绘制一条线，从(0,0)到(1,3)
plt.plot([0, 1], [0, 3])
# 使用简写方式236，等同于在2行3列的网格中指定第6个子图，即第二行的第三个位置
plt.subplot(236)
# 在第4个子图中绘制一条线，从(0,0)到(1,4)
plt.plot([0, 1], [0, 4])
# 显示图形窗口
plt.show()
运行结果
二 栅格布局 grid
1 使用 subplot2grid 创建子图布局
def subplot_grid_01():
# 创建一个新的图形窗口
plt.figure()
# 创建一个子图，占据3行3列网格的第0行所有3列
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot([1, 2], [1, 2]) # 在ax1中绘制线图
ax1.set_title('ax1_title') # 设置ax1的标题
# 创建一个子图，占据第1行的前2列
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
# 创建一个子图，从第1行第3列开始，纵向跨越2行
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
# 创建一个子图，在第2行第1列
ax4 = plt.subplot2grid((3, 3), (2, 0))
# 创建一个子图，在第2行第2列
ax5 = plt.subplot2grid((3, 3), (2, 1))
# 在ax4中绘制散点图
ax4.scatter([1, 2], [2, 2])
# 设置ax4的x轴标签
ax4.set_xlabel('ax4_x')
# 设置ax4的y轴标签
ax4.set_ylabel('ax4_y')
# 显示图形窗口
plt.show()
运行结果
2 通过 GridSpec 创建子图布局
def subplot_grid_spec():
# 创建一个图形窗口
plt.figure()
# 初始化一个网格布局，3行3列
gs = gridspec.GridSpec(3, 3)
# 创建一个子图，占据第一行的所有3列
plt.subplot(gs[0, :])
# 创建一个子图，占据第二行的前两列
plt.subplot(gs[1, :2])
# 创建一个子图，占据第二行的第三列，并延伸至第三行
plt.subplot(gs[1:, 2])
# 创建一个子图，位于最后一行的第一列
plt.subplot(gs[-1, 0])
# 创建一个子图，位于最后一行的第二列
plt.subplot(gs[-1, -2])
# 显示图形
plt.show()
运行结果
3 使用 plt.subplots 创建子图网格
def subplot_s():
# 创建一个2行2列的子图网格，并共享x轴和y轴
# 返回的f是整个图形对象，((ax11, ax12), (ax13, ax14))是子图的坐标轴对象
f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)
# 在第一个子图(ax11)中绘制散点图
ax11.scatter([1, 2], [1, 2])
# 调整子图之间的间距，以防止重叠
plt.tight_layout()
# 显示图形
plt.show()
代码释义
-
plt.subplots(2, 2, sharex=True, sharey=True)： -
2, 2：指定子图网格为2行2列，总共有4个子图。 -
sharex=True和sharey=True：表示子图之间共享x轴和y轴的刻度，这样可以确保所有子图的刻度范围一致。 -
返回值：
f是整个图形对象，可以用来设置整体图形的属性。((ax11, ax12), (ax13, ax14))是一个包含4个子图坐标轴的二维元组，分别对应每个子图。
-
ax11.scatter([1, 2], [1, 2])： -
在第一个子图
ax11中绘制散点图，点的坐标为(1, 1)和(2, 2)。 -
plt.tight_layout()： -
自动调整子图之间的间距，以避免子图之间出现重叠，保证整体布局更美观。
该函数绘制了一个包含4个子图的网格，每个子图共享相同的x轴和y轴刻度。只有第一个子图 ax11 中绘制了散点图，其余子图没有内容。如果需要在其他子图中添加内容，可以调用 ax12, ax13, ax14 来绘制。
运行结果
三 多图嵌套 plot_in_plot
def plot_in_plot():
# 初始化figure对象
fig = plt.figure()
# 创建基础数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
# 设置大图的坐标轴位置
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height]) # 添加大图
ax1.plot(x, y, 'r') # 大图中绘制红色线条
ax1.set_xlabel('x') # 设置x轴标签
ax1.set_ylabel('y') # 设置y轴标签
ax1.set_title('title') # 设置大图标题
# 在大图中嵌入小图1：左上角
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height]) # 添加小图1
ax2.plot(y, x, 'b') # 小图1中绘制蓝色线条
ax2.set_xlabel('x') # 设置小图1的x轴标签
ax2.set_ylabel('y') # 设置小图1的y轴标签
ax2.set_title('title inside 1') # 设置小图1标题
# 在大图中嵌入小图2：右下角
plt.axes([0.6, 0.2, 0.25, 0.25]) # 添加小图2
plt.plot(y[::-1], x, 'g') # 小图2中绘制绿色线条，y数据逆序处理
plt.xlabel('x') # 设置小图2的x轴标签
plt.ylabel('y') # 设置小图2的y轴标签
plt.title('title inside 2') # 设置小图2标题
# 显示最终图形
plt.show()
运行结果
四 孪生坐标系 twinx
def twinx():
# 创建x轴的数据，从0到10，步长0.1
x = np.arange(0, 10, 0.1)
# 创建y1数据，y1是x的平方乘以0.05
y1 = 0.05 * x ** 2
# 创建y2数据，y2是y1的相反数
y2 = -1 * y1
# 创建一个图和一个子图轴ax1
_, ax1 = plt.subplots()
# 创建第二个y轴ax2，共享ax1的x轴
ax2 = ax1.twinx()
# 在ax1上绘制x和y1的关系，线条为绿色实线
ax1.plot(x, y1, 'g-') # green, solid line
# 设置ax1的x轴和y轴标签
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
# 在ax2上绘制x和y2的关系，线条为蓝色实线
ax2.plot(x, y2, 'b-') # blue
# 设置ax2的y轴标签，并设置文字颜色为蓝色
ax2.set_ylabel('Y2 data', color='b')
# 显示图表
plt.show()
运行结果
五 完整代码示例
# This is a sample Python script.
# Press ⌃R to execute it or replace it with your code.
# Press Double ⇧ to search everywhere for classes, files, tool windows, actions, and settings.
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np
def print_hi(name):
# Use a breakpoint in the code line below to debug your script.
print(f'Hi, {name}') # Press ⌘F8 to toggle the breakpoint.
def subplot01():
# 创建一个图形窗口
plt.figure()
# 在2x2的网格中创建第1个子图位置
plt.subplot(2, 2, 1)
# 在第1个子图中绘制一条线，从(0,0)到(1,1)
plt.plot([0, 1], [0, 1])
# 在2x2的网格中创建第2个子图位置
plt.subplot(2, 2, 2)
# 在第2个子图中绘制一条线，从(0,0)到(1,2)
plt.plot([0, 1], [0, 2])
# 在2x2的网格中创建第3个子图位置，使用另一种指定方式223
plt.subplot(223)
# 在第3个子图中绘制一条线，从(0,0)到(1,3)
plt.plot([0, 1], [0, 3])
# 在2x2的网格中创建第4个子图位置，使用另一种指定方式224
plt.subplot(224)
# 在第4个子图中绘制一条线，从(0,0)到(1,4)
plt.plot([0, 1], [0, 4])
# 显示图形窗口
plt.show()
def subplot02():
# 在2行1列的网格中创建第1个子图位置，此子图占据第一行的全部
plt.subplot(2, 1, 1)
# 在第1个子图中绘制一条线，从(0,0)到(1,1)
plt.plot([0, 1], [0, 1])
# 在2行3列的网格中创建第4个子图位置，这里的子图位于第二行的第一个位置
plt.subplot(2, 3, 4)
# 在第2个子图中绘制一条线，从(0,0)到(1,2)
plt.plot([0, 1], [0, 2])
# 使用简写方式235，等同于在2行3列的网格中指定第5个子图，即第二行的第二个位置
plt.subplot(235)
# 在第3个子图中绘制一条线，从(0,0)到(1,3)
plt.plot([0, 1], [0, 3])
# 使用简写方式236，等同于在2行3列的网格中指定第6个子图，即第二行的第三个位置
plt.subplot(236)
# 在第4个子图中绘制一条线，从(0,0)到(1,4)
plt.plot([0, 1], [0, 4])
# 显示图形窗口
plt.show()
def subplot_grid_01():
# 创建一个新的图形窗口
plt.figure()
# 创建一个子图，占据3行3列网格的第0行所有3列
ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax1.plot([1, 2], [1, 2]) # 在ax1中绘制线图
ax1.set_title('ax1_title') # 设置ax1的标题
# 创建一个子图，占据第1行的前2列
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
# 创建一个子图，从第1行第3列开始，纵向跨越2行
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
# 创建一个子图，在第2行第1列
ax4 = plt.subplot2grid((3, 3), (2, 0))
# 创建一个子图，在第2行第2列
ax5 = plt.subplot2grid((3, 3), (2, 1))
# 在ax4中绘制散点图
ax4.scatter([1, 2], [2, 2])
# 设置ax4的x轴标签
ax4.set_xlabel('ax4_x')
# 设置ax4的y轴标签
ax4.set_ylabel('ax4_y')
# 显示图形窗口
plt.show()
def subplot_grid_spec():
# 创建一个图形窗口
plt.figure()
# 初始化一个网格布局，3行3列
gs = gridspec.GridSpec(3, 3)
# 创建一个子图，占据第一行的所有3列
plt.subplot(gs[0, :])
# 创建一个子图，占据第二行的前两列
plt.subplot(gs[1, :2])
# 创建一个子图，占据第二行的第三列，并延伸至第三行
plt.subplot(gs[1:, 2])
# 创建一个子图，位于最后一行的第一列
plt.subplot(gs[-1, 0])
# 创建一个子图，位于最后一行的第二列
plt.subplot(gs[-1, -2])
# 显示图形
plt.show()
def subplot_s():
# 创建一个2行2列的子图网格，并共享x轴和y轴
# 返回的f是整个图形对象，((ax11, ax12), (ax13, ax14))是子图的坐标轴对象
f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)
# 在第一个子图(ax11)中绘制散点图
ax11.scatter([1, 2], [1, 2])
# 调整子图之间的间距，以防止重叠
plt.tight_layout()
# 显示图形
plt.show()
def plot_in_plot():
# 初始化figure对象
fig = plt.figure()
# 创建基础数据
x = [1, 2, 3, 4, 5, 6, 7]
y = [1, 3, 4, 2, 5, 8, 6]
# 设置大图的坐标轴位置
left, bottom, width, height = 0.1, 0.1, 0.8, 0.8
ax1 = fig.add_axes([left, bottom, width, height]) # 添加大图
ax1.plot(x, y, 'r') # 大图中绘制红色线条
ax1.set_xlabel('x') # 设置x轴标签
ax1.set_ylabel('y') # 设置y轴标签
ax1.set_title('title') # 设置大图标题
# 在大图中嵌入小图1：左上角
left, bottom, width, height = 0.2, 0.6, 0.25, 0.25
ax2 = fig.add_axes([left, bottom, width, height]) # 添加小图1
ax2.plot(y, x, 'b') # 小图1中绘制蓝色线条
ax2.set_xlabel('x') # 设置小图1的x轴标签
ax2.set_ylabel('y') # 设置小图1的y轴标签
ax2.set_title('title inside 1') # 设置小图1标题
# 在大图中嵌入小图2：右下角
plt.axes([0.6, 0.2, 0.25, 0.25]) # 添加小图2
plt.plot(y[::-1], x, 'g') # 小图2中绘制绿色线条，y数据逆序处理
plt.xlabel('x') # 设置小图2的x轴标签
plt.ylabel('y') # 设置小图2的y轴标签
plt.title('title inside 2') # 设置小图2标题
# 显示最终图形
plt.show()
def twinx():
# 创建x轴的数据，从0到10，步长0.1
x = np.arange(0, 10, 0.1)
# 创建y1数据，y1是x的平方乘以0.05
y1 = 0.05 * x ** 2
# 创建y2数据，y2是y1的相反数
y2 = -1 * y1
# 创建一个图和一个子图轴ax1
_, ax1 = plt.subplots()
# 创建第二个y轴ax2，共享ax1的x轴
ax2 = ax1.twinx()
# 在ax1上绘制x和y1的关系，线条为绿色实线
ax1.plot(x, y1, 'g-') # green, solid line
# 设置ax1的x轴和y轴标签
ax1.set_xlabel('X data')
ax1.set_ylabel('Y1 data', color='g')
# 在ax2上绘制x和y2的关系，线条为蓝色实线
ax2.plot(x, y2, 'b-') # blue
# 设置ax2的y轴标签，并设置文字颜色为蓝色
ax2.set_ylabel('Y2 data', color='b')
# 显示图表
plt.show()
# Press the green button in the gutter to run the script.
if __name__ == '__main__':
print_hi('多图合并显示')
# Subplot 多合一显示，均匀图中图
subplot01()
# Subplot 多合一显示，不均匀图中图
subplot02()
# Subplot 分格显示
subplot_grid_01()
subplot_grid_spec()
subplot_s()
# 图中图 plot in plot
plot_in_plot()
# 次坐标轴 twinx
twinx()
# See PyCharm help at https://www.jetbrains.com/help/pycharm/
复制粘贴并覆盖到你的 main.py 中运行，运行结果如下。
Hi, 多图合并显示
六 源码地址
代码地址：
国内看 Gitee 之 matplotlib/多图合并显示.py
国外看 GitHub 之 matplotlib/多图合并显示.py
七 参考
[1] Matplotlib 官网
[2] 莫烦 python
版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！
标签：
相关文章
最新发布
- 光流法结合深度学习神经网络的原理及应用（完整代码都有Python opencv）
- Python 图像处理进阶：特征提取与图像分类
- 大数据可视化分析-基于python的电影数据分析及可视化系统_9532dr50
- 【Python】入门（运算、输出、数据类型）
- 【Python】第一弹---解锁编程新世界：深入理解计算机基础与Python入门指南
- 华为OD机试E卷 --第k个排列 --24年OD统一考试（Java & JS & Python & C & C++）
- Python已安装包在import时报错未找到的解决方法
- 【Python】自动化神器PyAutoGUI —告别手动操作，一键模拟鼠标键盘，玩转微信及各种软件自动化
- Pycharm连接SQL Sever（详细教程）
- Python编程练习题及解析（49题）
点击排行
- 版本匹配指南：Numpy版本和Python版本的对应关系
- 版本匹配指南：PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器：streamlit、Gradio、dash、nicegui；低代码 Python Web 框架：PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Anaconda版本和Python版本对应关系（持续更新...）
- Python与PyTorch的版本对应
- Windows上安装 Python 环境并配置环境变量 （超详细教程）
- Python pyinstaller打包exe最完整教程
本站推荐
