Python如何繪制子圖

小編給大家分享一下Python如何繪制子圖，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

1、涉及到圖的對比會(huì)用到子圖形式展示

2、繪制代碼如下

accuracy_alexnet_clef = [78.05, 78.43, 78.65, 78.61, 78.69]
accuracy_resnet_clef  = [84.56, 84.84, 85.07, 85.01, 85.13]
accuracy_alexnet_office10 = [87.30, 87.57, 87.78, 87.72, 87.50]
accuracy_resnet_office10  = [96.31, 96.35, 96.62, 96.43, 96.15]
orders = ['2', '3', '5', '10', '20']
names = ['alexnet', 'resnet']
# 創(chuàng)建兩幅子圖
f, ax = plt.subplots(2,1,figsize=(6, 8))
# 第一根柱子偏移坐標(biāo)
x = [i for i in range(len(orders))]
# 第二根柱子偏移坐標(biāo)
x1 = [i + 0.35 for i in range(len(orders))]
# 兩幅子圖之間的間距
plt.subplots_adjust(wspace =0, hspace =0.4)
# 選擇第一幅圖
figure_1 = ax[0]
# 設(shè)置x軸偏移和標(biāo)簽
figure_1.set_xticks([i+0.15 for i in x])
figure_1.set_xticklabels(orders)
# 設(shè)置y軸的范圍
figure_1.set_ylim(bottom=77,top=86)
# 繪制柱狀圖，x表示x軸內(nèi)容，accuracy_alexnet_clef表示y軸的內(nèi)容，alpha表示透明度，width表示柱子寬度
# label表示圖列
figure_1.bar(x, accuracy_alexnet_clef, alpha=0.7, width = 0.35, facecolor = '#4c72b0', label='Alexnet')
figure_1.bar(x1, accuracy_resnet_clef, alpha=0.7, width = 0.35, facecolor = '#dd8452', label='Resnet')
figure_1.set_ylabel('Accuracy%') # 設(shè)置y軸的標(biāo)簽
figure_1.set_xlabel('Order') # 設(shè)置x軸的名稱
figure_1.set_title('Alexnet') # 設(shè)置圖一標(biāo)題名稱
figure_1.legend() # 顯示圖一的圖例
# 選擇第二幅圖
figure_2 = ax[1]
figure_1.set_xticks([i+0.15 for i in x])
figure_1.set_xticklabels(orders)
figure_2.set_ylim(bottom=77,top=100)
figure_2.bar(x, accuracy_alexnet_office10,alpha=0.7,width = 0.35,facecolor = '#c44e52', label='Alexnet')
figure_2.bar(x1, accuracy_resnet_office10,alpha=0.7,width = 0.35,facecolor = '#5f9e6e', label='Alexnet')
# figure_2.bar(orders, accuracy_resnet_clef,alpha=0.7,width = 0.35,facecolor = '#dd8452')
figure_2.set_ylabel('Accuracy%')
figure_2.set_xlabel('Order')
figure_2.set_title('Resnet')
figure_2.legend()
f.suptitle('ImageCLEF_DA') # 設(shè)置總標(biāo)題
plt.show()

補(bǔ)充：python使用matplotlib在一個(gè)圖形中繪制多個(gè)子圖以及一個(gè)子圖中繪制多條動(dòng)態(tài)折線問題

在講解繪制多個(gè)子圖之前先簡單了解一下使用matplotlib繪制一個(gè)圖，導(dǎo)入繪圖所需庫matplotlib并創(chuàng)建一個(gè)等間隔的列表x，將[0,2*pi]等分為50等份，繪制函數(shù)sin(x)。當(dāng)沒有給定x軸數(shù)值時(shí)，默認(rèn)以下標(biāo)作為x的值，如果x值確定，則繪圖時(shí)寫為plt.plot(x,y) 。

如若想要繪制一個(gè)圖時(shí)寫入標(biāo)簽，則寫為plt.plot(x,y,label="figure1")。

from numpy import *
import matplotlib.pyplot as plt 
x = linspace(0, 2 * pi, 50)
plt.plot(sin(x))
plt.xlabel('x-label')
plt.ylabel('y-label', fontsize='large')
plt.title('title')

以下先將整體代碼插入，再分布講解：

import numpy as np
import matplotlib.pyplot as plt 
from matplotlib.ticker import MultipleLocator, FormatStrFormatter 
def minmax_value(list1):
    minvalue=min(list1)
    maxvalue=max(list1)
    return minvalue,maxvalue
plt.figure(figsize=(16,14),dpi=98)
xmajorLocator = MultipleLocator(1) #將x主刻度標(biāo)簽設(shè)置為1的倍數(shù)
plt.rcParams['font.sans-serif']=['SimHei']  
plt.rcParams['axes.unicode_minus'] = False
p1 = plt.subplot(121)
p2 = plt.subplot(122)
#圖中展示點(diǎn)的數(shù)量
pointcount=5
x=[i for i in range(20)]
print(x)
y1=[i**2 for i in range(20)]
y2=[i*4 for i in range(20)]
y3=[i*3+2 for i in range(20)]
y4=[i*4 for i in range(20)]
for i in range(len(x)-1):
    if i<pointcount:
        minx,maxx=minmax_value(x[:pointcount])
        minx,maxx=minmax_value(x[:pointcount])
        minyA,maxyA=minmax_value(y1[:pointcount])
        minyB,maxyB=minmax_value(y2[:pointcount])
        
        maxy1=max(maxyA,maxyB)
        miny1=min(minyA,minyB)
        p1.axis([minx,maxx,miny1,maxy1])
        p1.grid(True)
        A,=p1.plot(x[:pointcount],y1[:pointcount],"g-")
        B,=p1.plot(x[:pointcount],y2[:pointcount],"b-")
        #設(shè)置主刻度標(biāo)簽的位置,標(biāo)簽文本的格式
        p1.xaxis.set_major_locator(xmajorLocator)
        legend=p1.legend(handles=[A,B],labels=["圖1","圖2"])    
        
        
        minx,maxx=minmax_value(x[:pointcount])
        minx,maxx=minmax_value(x[:pointcount])
        minyA,maxyA=minmax_value(y3[:pointcount])
        minyB,maxyB=minmax_value(y4[:pointcount])
        
        maxy1=max(maxyA,maxyB)
        miny1=min(minyA,minyB)
        p2.axis([minx,maxx,miny1,maxy1])
        p2.grid(True)
        A,=p2.plot(x[:pointcount],y3[:pointcount],"r-")
        B,=p2.plot(x[:pointcount],y4[:pointcount],"y-")
        #設(shè)置主刻度標(biāo)簽的位置,標(biāo)簽文本的格式
        p2.xaxis.set_major_locator(xmajorLocator)
        legend=p2.legend(handles=[A,B],labels=["圖3","圖4"])  
    elif i>=pointcount:
        minx,maxx=minmax_value(x[i-pointcount:i])
        minx,maxx=minmax_value(x[i-pointcount:i])
        minyA,maxyA=minmax_value(y1[i-pointcount:i])
        minyB,maxyB=minmax_value(y2[i-pointcount:i])
        
        maxy1=max(maxyA,maxyB)
        miny1=min(minyA,minyB)
        p1.axis([minx,maxx,miny1,maxy1])
        p1.grid(True)
        A,=p1.plot(x[i-pointcount:i],y1[i-pointcount:i],"g-")
        B,=p1.plot(x[i-pointcount:i],y2[i-pointcount:i],"b-")
        #設(shè)置主刻度標(biāo)簽的位置,標(biāo)簽文本的格式
        p1.xaxis.set_major_locator(xmajorLocator)
        legend=p1.legend(handles=[A,B],labels=["圖1","圖2"])
        minx,maxx=minmax_value(x[i-pointcount:i])
        minx,maxx=minmax_value(x[i-pointcount:i])
        minyA,maxyA=minmax_value(y3[i-pointcount:i])
        minyB,maxyB=minmax_value(y4[i-pointcount:i])
        
        maxy1=max(maxyA,maxyB)
        miny1=min(minyA,minyB)
        p2.axis([minx,maxx,miny1,maxy1])
        p2.grid(True)
        A,=p2.plot(x[i-pointcount:i],y3[i-pointcount:i],"r-")
        B,=p2.plot(x[i-pointcount:i],y4[i-pointcount:i],"y-")
        #設(shè)置主刻度標(biāo)簽的位置,標(biāo)簽文本的格式
        p2.xaxis.set_major_locator(xmajorLocator)
        legend=p2.legend(handles=[A,B],labels=["圖3","圖4"])
    p1.set_xlabel("橫軸屬性名一",fontsize=14)
    p1.set_ylabel("縱軸屬性名一",fontsize=14)
    p1.set_title("主題一",fontsize=18)
    
    p2.set_xlabel("橫軸屬性名二",fontsize=14)
    p2.set_ylabel("縱軸屬性名二",fontsize=14)
    p2.set_title("主題二",fontsize=18)
    plt.pause(0.3)
    plt.tight_layout(pad=4, w_pad=4.0, h_pad=3.0)

運(yùn)行結(jié)果為:

1、導(dǎo)入庫

import numpy as np
import matplotlib.pyplot as plt 
from matplotlib.ticker import MultipleLocator, FormatStrFormatter

2、由于繪圖過程中多次使用獲取最大最小值，將獲取最大最小值寫入函數(shù)，后面直接調(diào)用函數(shù)即可。

def minmax_value(list1):
    minvalue=min(list1)
    maxvalue=max(list1)
    return minvalue,maxvalue

3、

（1）創(chuàng)建自定義圖像，并設(shè)置figured的長和寬以及dpi參數(shù)指定繪圖對象的分辨率；

（2）設(shè)置x軸刻度的間隔；

（3）對本次繪圖中的字體進(jìn)行設(shè)置；

（4）在matplotlib下，一個(gè)figure對象可以包含多個(gè)子圖（Axes），使用subplot()快速繪制。

plt.figure(figsize=(16,14),dpi=98)xmajorLocator = MultipleLocator(1)
plt.rcParams['font.sans-serif']=['SimHei']  plt.rcParams['axes.unicode_minus'] = False
 
p1 = plt.subplot(121)p2 = plt.subplot(122)

4、當(dāng)數(shù)據(jù)量過多時(shí)，對數(shù)據(jù)一次性展示不能夠達(dá)到對數(shù)據(jù)內(nèi)部信息的解讀。本例采用一次展示其中一部分?jǐn)?shù)據(jù)，并動(dòng)態(tài)的更新圖片，于此同時(shí)，動(dòng)態(tài)更新橫縱坐標(biāo)軸的取值范圍。下面代碼首先設(shè)置了每次展示點(diǎn)的數(shù)量，并獲取了主題一中的所有數(shù)據(jù)值。根據(jù)x取值范圍和值域y獲取當(dāng)前繪圖過程中的橫縱坐標(biāo)取值范圍，最后根據(jù)x,y的值進(jìn)行繪圖。

下面將先在一個(gè)子圖上顯示兩條靜態(tài)折現(xiàn)。當(dāng)使用動(dòng)態(tài)的折線圖時(shí)，只需動(dòng)態(tài)更新數(shù)據(jù)和橫縱坐標(biāo)的取值范圍。總體代碼中已經(jīng)寫出，下面不再贅述。

#圖中展示點(diǎn)的數(shù)量
pointcount=5
x=[i for i in range(20)]
y1=[i**2 for i in range(20)]
y2=[i*4 for i in range(20)]
minx,maxx=minmax_value(x[:pointcount])
minyA,maxyA=minmax_value(y1[:pointcount])
minyB,maxyB=minmax_value(y2[:pointcount])
        
maxy1=max(maxyA,maxyB)
miny1=min(minyA,minyB)
p1.axis([minx,maxx,miny1,maxy1])
p1.grid(True)#繪圖過程中出現(xiàn)的網(wǎng)格設(shè)置
A,=p1.plot(x[:pointcount],y1[:pointcount],"g-")
B,=p1.plot(x[:pointcount],y2[:pointcount],"b-")#設(shè)置主刻度標(biāo)簽的位置,標(biāo)簽文本的格式p1.xaxis.set_major_locator(xmajorLocator)legend=p1.legend(handles=[A,B],labels=["圖1","圖2"])

5、設(shè)置邊界，不設(shè)置邊界經(jīng)常會(huì)因?yàn)闄M縱軸的字體太大等其他原因?qū)е聶M縱軸或者標(biāo)題只能顯示其中一部分。

plt.tight_layout(pad=4, w_pad=4.0, h_pad=3.0)

以上是“Python如何繪制子圖”這篇文章的所有內(nèi)容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內(nèi)容對大家有所幫助，如果還想學(xué)習(xí)更多知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！