在Python Matplotlib中绘制跨子图的网格

Matplotlib是Python中最受欢迎的数据可视化库之一。它能够让用户用少量代码创建复杂的绘图，是公认的Python绘图领域的标准库。在实际应用中，有时候需要将多个图形分成不同的格子进行展示，而且格子之间需要跨行或跨列。本文介绍如何在Python Matplotlib中绘制跨子图的网格。

简单的网格

Matplotlib提供了一种称为subplot（子图）的方法，该方法使我们可以将多个小图像以网格的形式堆叠在一起。如果图形区域被分为M * N网格，那么可以通过（i，j）编号来引用每个子区域。 Matplotlib的“plt.subplot（）”命令接受三个参数：M表示子图的行数，N表示子图的列数，L表示子图的顺序。下面是一个简单的例子：

import matplotlib.pyplot as plt
import numpy as np

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

plt.figure(figsize=(10,10))

plt.subplot(2, 2, 1)
plt.plot(x, y)

plt.subplot(2, 2, 2)
plt.hist(y)

plt.subplot(2, 2, 3)
plt.scatter(x, y)

plt.subplot(2, 2, 4)
plt.plot(x, y**2)

plt.show()

代码中，我们创建了一个2×2的网格，并将四个图形放在不同的位置。第一个图形是一条曲线，第二个图形是一个直方图，第三个图形是一组散点图，第四个图形是平方的曲线。当运行代码时，我们将看到分开的四个图形。

尽管MATPLOTLIB的子图处理非常好用，也很强大，但是在实际应用中，常常需要将多个子图合并成一个大图（即跨子图）。不过这种需求并不在.subplot的方案中，所以我们需要用到另外一组微调函数，即plt.subplots_adjust()。

跨行的网格

Matplotlib的“subplot2grid（）”方法允许灵活地绘制具有不同行和列的网格。大多数人只知道“subplot（）”方法，但“subplot2grid（）”是更高级的方法，支持更多自定义选项，特别是跨行列的操作，让我们可以很自如地做出好看的网格图。

绘制简单的跨行网格

让我们来看一下如何在网格中定义跨行。subplot2grid()方法接受的第一个元素是值为(M, N)的元组（其中M和N分别为子图网格的行和列），第二个参数是(x, y)，他表示子区域的左下角所在的单元格位置。最后一个参数是 colspan 表示子图所跨越的列数。

下面是一个简单的跨行的网格例子：

import matplotlib.pyplot as plt
import numpy as np

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

fig = plt.figure(figsize=(10,4))

ax1 = plt.subplot2grid((3,3), (0,0), colspan=3)
ax1.plot(x, y)

ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)
ax2.hist(y)

ax3 = plt.subplot2grid((3,3), (1,2), rowspan=2)
ax3.scatter(x, y)

ax4 = plt.subplot2grid((3,3), (2,0), colspan=2)
ax4.plot(x, y**2)

plt.subplots_adjust(hspace=0.5, wspace=0.5)

plt.show()

在这个例子中，我们定义了一个3×3的网格，分为9个小区域。我们在子区域(0,0)上绘制了一条正弦曲线。在子区域(1,0)中绘制了正弦值的直方图。在子区域(1,2)中绘制了正弦值的散点图。最后，在子区域(2,0)上绘制了正弦值的平方曲线。我们使用“plt.subplots_adjust”命令更好地适应大图。

间距调整

为了让子图之间更加紧密和舒适，可以在“subplots_adjust”中指定列和行之间的距离。

代码中，hspace和wspace参数控制相邻子图（行、列）之间的空白距离。例如，distance=0.1将在行和列之间添加10％的额外空间。下面是一个例子：

import matplotlib.pyplot as plt
import numpy as np

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

fig = plt.figure(figsize=(10,4))

ax1 = fig.add_subplot(3, 3, 1)
ax1.plot(x, y)

ax2 = fig.add_subplot(3, 3, 2)
ax2.hist(y)

ax3 = fig.add_subplot(3, 3, 3)
ax3.scatter(x, y)

ax4 = fig.add_subplot(3, 3, 4)
ax4.plot(x, y**2)

ax5 = fig.add_subplot(3, 3, 5)
ax5.plot(x, y)

ax6 = fig.add_subplot(3, 3, 6)
ax6.hist(y)

ax7 = fig.add_subplot(3, 3, 7)
ax7.scatter(x, y)

ax8 = fig.add_subplot(3, 3, 8)
ax8.plot(x, y**2)

ax9 = fig.add_subplot(3, 3, 9)
ax9.plot(x, y)

plt.subplots_adjust(hspace=0.5, wspace=0.5)

plt.show()

在这个例子中，我们定义了一个3×3的网格，分为9个小区域。我们使用 “fig.add_subplot（）”命令和一个“for”循环生成每个子区域。我们使用“subplots_adjust”命令更好地适应大图。

跨列的网格

Matplotlib的“subplot2grid（）”方法还允许指定子图宽度和高度（即跨列操作）。在跨越多列时，将行跨保持在1，并在“subplot2grid（）”方法的最后一个参数中指定希望跨越的列数。下面是一个简单的跨列的网格例子：

import matplotlib.pyplot as plt
import numpy as np

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

fig = plt.figure(figsize=(10,4))

ax1 = plt.subplot2grid((3,3), (0,0), colspan=3)
ax1.plot(x, y)

ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)
ax2.hist(y)

ax3 = plt.subplot2grid((3,3), (1,2), rowspan=2)
ax3.scatter(x, y)

ax4 = plt.subplot2grid((3,3), (2,0), colspan=2)
ax4.plot(x, y**2)

plt.subplots_adjust(hspace=0.5, wspace=0.5)

plt.show()

在这个例子中，我们定义了一个3×3的网格，分为9个小区域。我们在子区域(0,0)上绘制了一条正弦曲线。在子区域(1,0)中绘制了正弦值的直方图。在子区域(1,2)中绘制了正弦值的散点图。最后，在子区域(2,0)上绘制了正弦值的平方曲线。跨行在上面的例子中我们已经讲到过了，这里我们重点关注跨列操作。

我们可以通过“colspan”参数指定一个网格单元子图所占的列数。在第2行第1列单元格的子图中，我们使用“colspan=2”的参数将绘图“ax2”设置在相邻的两个列中，它将占用0，1行，0到1列。另外，第三行的第一列单元格子图使用“rowspan=2”参数将它设置在相邻的两个行中，它将占用1，2行，2列。