Matplotlib 绘制多个图

Python提供了一个强大的库，名为Matplotlib，它可以创建图形和图表的可视化表示。这个库的许多特性之一是能够在一个图中绘制多个图，这对比较不同数据集或可视化多个变量之间的关系非常有用。我们将探索Matplotlib中的内置方法’subplots()’，它用于绘制多个图。

在Matplotlib中绘制多个图的Python程序

在直接进入程序之前，让我们先熟悉一下Matplotlib的’subplots()’方法。

‘subplots()’方法

通过一次调用’subplots()’方法，我们可以在一个图中创建一个或多个子图。它可以合适地控制图形，并允许我们自定义它们的布局和外观。

语法

subplots(numOfrows, numOfcols)

在这里， ‘numOfrows’ 和 ‘numOfcols’ 分别指定了网格的行数和列数。

然而，根据需要，我们还可以添加一些其他的属性。

示例1

下面是一个例子，我们将绘制正弦和余弦函数的两个子图。

方法

首先，我们导入matplotlib和numpy库。matplotlib将用于对numpy生成的数据进行可视化。
使用NumPy的内置方法’linspace()’生成一个从0到10之间均匀间隔的100个值的数组。然后，分别计算x数组中每个元素的正弦和余弦值，并将它们存储在y1和y2中。
现在，使用’subplots()’方法创建两个垂直排列的子图。这个方法将返回一个名为’fig’的图像对象和一个包含子图轴’ax1’和’ax2’的元组。在这里，’figsize’设置了图像的大小。
在第一个子图ax1中，将x值与y1值进行绘制。
类似地，在第二个子图ax2中，将x值与y2值进行绘制。
使用’tight_layout()’方法调整子图之间的间距，以防止重叠。
最后，显示出图并退出。

import matplotlib.pyplot as plt
import numpy as np
# generating some random data for plotting
val = np.linspace(0, 10, 100)
pl1 = np.sin(val)
pl2 = np.cos(val)
# Creating subplots
fig, (axs1, axs2) = plt.subplots(2, 1, figsize = (6, 4))
# Plotting of the first subplot
axs1.plot(val, pl1, 'r', label = 'Sin')
axs1.set_xlabel('Axis-X')
axs1.set_ylabel('Axis-Y')
axs1.legend()
# Plotting of the second subplot
axs2.plot(val, pl2, 'b', label = 'Cos')
axs2.set_xlabel('Axis-X')
axs2.set_ylabel('Axis-Y')
axs2.legend()
# for adjusting the space between subplots
plt.tight_layout()
# to display the plots
plt.show()

输出

Matplotlib 绘制多个图

示例2

在下面的示例中，我们将更改前一个示例的代码，添加一个更多的正切函数的绘图。

import matplotlib.pyplot as plt
import numpy as np
# generating some random data for plotting
val = np.linspace(0, 10, 100)
pl1 = np.sin(val)
pl2 = np.cos(val)
pl3 = np.tan(val)
# Creating the subplots using above data
fig, axs = plt.subplots(2, 2, figsize = (8, 6))
# Plotting of the first subplot
axs[0, 0].plot(val, pl1, 'r', label = 'Sin')
axs[0, 0].set_xlabel('Axis-X')
axs[0, 0].set_ylabel('Axis-Y')
axs[0, 0].legend()
# To plot on the second subplot
axs[0, 1].plot(val, pl2, 'b', label = 'Cos')
axs[0, 1].set_xlabel('Axis-X')
axs[0, 1].set_ylabel('Axis-Y')
axs[0, 1].legend()
# Plotting of the third subplot
axs[1, 0].plot(val, pl3, 'g', label = 'Tan')
axs[1, 0].set_xlabel('Axis-X')
axs[1, 0].set_ylabel('Axis-Y')
axs[1, 0].legend()
# To remove the empty subplot
fig.delaxes(axs[1, 1])
# for adjusting the space between subplots
plt.tight_layout()
# Displaying all plots
plt.show()