Matplotlib 使用subplots()和GridSpec()

引言

Matplotlib是一个常用的数据可视化库，可以用它来进行各种图形绘制。本文将重点介绍Matplotlib中的两个重要函数：subplots()和GridSpec()。使用这两个函数可以帮助我们更方便地进行子图的排布和绘制。

subplots()函数

可以使用Matplotlib中的subplots()函数来创建一个包含多个子图的图形对象。该函数的用法如下：

fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(8, 8))

此时，fig为最终的图形对象，axs为一个包含所有子图的矩阵。参数nrows和ncols分别指定了子图矩阵的行数和列数。

接下来，我们可以通过下标的方式访问每个子图，并对其进行绘制。例如：

axs[0, 0].plot([1, 2, 3], [4, 5, 6])
axs[0, 1].scatter([1, 2, 3], [4, 5, 6])
axs[1, 0].hist([1, 2, 3, 4, 5, 6], bins=3)
axs[1, 1].boxplot([1, 2, 3, 4, 5, 6])

这样，我们就可以在一个图形对象中绘制多个子图了。

GridSpec()函数

如果我们需要更灵活地进行子图的排布，那么可以使用Matplotlib中的GridSpec()函数。该函数的用法如下：

gs = plt.GridSpec(nrows=2, ncols=2, figure=fig)

此时，gs为一个包含所有子图位置的网格对象。与subplots()函数类似，参数nrows和ncols分别指定了子图网格的行数和列数，参数figure指定了所要使用的图形对象。

接下来，我们可以通过gs对象来获取每个子图的位置，例如：

ax1 = fig.add_subplot(gs[0, 0])
ax2 = fig.add_subplot(gs[0, 1])
ax3 = fig.add_subplot(gs[1, :])

在上面的代码中，add_subplot()函数可以将一个子图添加到指定的位置。其中，:表示跨越整行或整列。

类似于subplots()函数，我们可以在每个子图中进行绘制操作，例如：

ax1.plot([1, 2, 3], [4, 5, 6])
ax2.scatter([1, 2, 3], [4, 5, 6])
ax3.hist([1, 2, 3, 4, 5, 6], bins=3)

这样，我们就可以在一个图形对象中更灵活地排布子图了。

示例说明

下面通过几个示例来说明subplots()和GridSpec()函数的使用。

示例1

首先，我们先使用subplots()函数来创建一个包含2×3个子图的图形对象。

import matplotlib.pyplot as plt

fig, axs = plt.subplots(nrows=2, ncols=3, figsize=(12, 6))

接下来，在第一个子图中绘制一条线，第二个子图中绘制一个点，第三个子图中绘制一个条形图，第四个子图中绘制一个箱形图，第五个子图中绘制一个饼图，第六个子图不进行绘制。

axs[0, 0].plot([1, 2, 3], [4, 5, 6])
axs[0, 1].scatter([1, 2, 3], [4, 5, 6])
axs[0, 2].bar([1,2, 3], [4, 5, 6])
axs[1, 0].boxplot([1, 2, 3, 4, 5, 6])
axs[1, 1].pie([1, 2, 3])

可以看到，使用subplots()函数可以方便地创建一个多个子图的图形对象，并且可以通过下标的方式访问每个子图。

示例2

接下来，我们使用GridSpec()函数来创建一个包含3个子图的图形对象。其中，第一个子图占据整个第一行，第二个子图占据整个第二列，第三个子图占据整个第二行和第三列。

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 6))
gs = plt.GridSpec(nrows=3, ncols=3, figure=fig)

ax1 = fig.add_subplot(gs[0, :])
ax1.plot([1, 2, 3], [4, 5, 6])

ax2 = fig.add_subplot(gs[1, 2])
ax2.scatter([1, 2, 3], [4, 5, 6])

ax3 = fig.add_subplot(gs[1:, 0:2])
ax3.hist([1, 2, 3, 4, 5, 6], bins=3)

可以看到，使用GridSpec()函数可以更灵活地控制每个子图的位置和大小。

示例3

最后，我们使用subplots()函数和GridSpec()函数来创建一个包含3个子图的图形对象。

import numpy as np
import matplotlib.pyplot as plt

fig, axs = plt.subplots(nrows=2, ncols=3, figsize=(12, 8))
gs = axs[1, 1].get_gridspec()

ax1 = fig.add_subplot(gs[0, 0:2])
ax1.plot([1, 2, 3], [4, 5, 6])

ax2 = fig.add_subplot(gs[0, 2])
ax2.scatter([1, 2, 3], [4, 5, 6])

ax3 = fig.add_subplot(gs[1, 0])
ax3.hist(np.random.randn(1000))

ax4 = fig.add_subplot(gs[1, 1])
ax4.boxplot([1, 2, 3, 4, 5, 6])

ax5 = axs[0, 2]
ax6 = axs[1, 2]
fig.delaxes(axs[0, 1])

ax5.pie([1, 2, 3])
ax6.bar([1, 2, 3], [4, 5, 6])

在上面的代码中，我们首先使用subplots()函数创建一个包含2×3个子图的图形对象。然后，我们使用get_gridspec()方法获取了第2行第2列子图所在的网格对象，进而使用add_subplot()函数向该网格对象中添加了两个子图。最后，我们用pie()函数和bar()函数分别在第0行第2列和第1行第2列添加了两个子图，并使用delaxes()函数删除了原来的第0行第1列子图。

可以看到，通过subplots()函数和GridSpec()函数的组合使用，我们可以更加灵活地创建和排布子图。

总结

本文主要介绍了Matplotlib中的subplots()函数和GridSpec()函数。使用这两个函数可以帮助我们更方便地进行子图的排布和绘制。subplots()函数适用于简单的子图排列，而GridSpec()函数则更加灵活，可以控制每个子图的位置和大小。在实际应用中，我们可以根据自己的需要来选择合适的方法。同时，在使用GridSpec()函数时，建议先使用subplots()函数创建一个包含所需子图数量的图形对象，然后再使用get_gridspec()方法获取相应网格对象。