Jianpu record study notes

Python-drwa subplots

通常在阅读文献时,发现对于一些图片的绘制时,如果存在多个子图,通常为了美观、简洁,只保留最后一列的以及最左一侧的子图的刻度,那么,我们应该如何实现这种功能呢?

一般来说,在python实现多子图绘制的函数主要有两个:

  • 第一种,通过fig.add_subplot(行、列、位置)添加
import matplotlib.pyplot as plt 
fig=plt.figure(figsize=(5,5))
subplot=fig.add_subplot(1,1,1)
  • 第二种,通过plt.subplots(行,列),将行数和列数作为参数传递给该方法,该方法返回一个图对象和轴对象,可以用来操作图形。
import matplotlib.pyplot as plt 
fig,ax=plt.subplots(2,1)

1、使用fig.add_subplot(行、列、位置)添加子图

其中,对于第一种来说,比较容易上手,只需要指定子图的具体位置即可,如下图所示:

import matplotlib.pyplot as plt 

fig=plt.figure(figsize=(8,6),dpi=100)

ax_1=fig.add_subplot(121)
ax_1.text(0.3, 0.5, 'subplot(121)')

ax_2=fig.add_subplot(222)
ax_2.text(0.3, 0.5, 'subplot(222)')

ax_3=fig.add_subplot(224)
ax_3.text(0.3, 0.5, 'subplot(224)')

fig.suptitle("Figure with multiple Subplots")
plt.show()

image.png

1.1 循环绘制子图

如果要在一个页面上显示一个2x2的四个子图,只需要添加一个循环即可:

import matplotlib.pyplot as plt 

fig=plt.figure(figsize=(8,6),dpi=100)
c=0
for i in range(4):
    c=c+1
    ax=fig.add_subplot(2,2,c)
    ax.text(0.3, 0.5, 'subplot(22'+str(c)+')')
    fig.suptitle("Figure with multiple Subplots")
plt.show()

image.png

2、使用plt.subplots(行,列)添加子图

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, 
sharex=False, sharey=False, 
squeeze=True, subplot_kw=None, 
gridspec_kw=None, **fig_kw)

但是,plt.subplots()fig.add_subplot()相比稍微麻烦一点,但是功能也多一点,通过返回ax列表中的子图个数进行子图的绘制:

import matplotlib.pyplot as plt 

fig,ax=plt.subplots(1,2,dpi=300)

ax[0].text(0.3,0.5,"1st Subplot")
ax[0].set_xticks([])
ax[0].set_yticks([])

ax[1].text(0.3,0.5,"2nd Subplot")
ax[1].set_xticks([])
ax[1].set_yticks([])

fig.suptitle('Figure with 2 subplots',fontsize=16) 
plt.show()

image.png

2.1 循环绘制子图

对于plt.subplots(),如果要实现循环绘制子图,就需要双重循环:

import matplotlib.pyplot as plt 

fig, axes = plt.subplots(2, 2, figsize=(6,6),dpi=100)

for i, row in enumerate(axes):
    for j, col in enumerate(row):
        axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
        
plt.tight_layout()

image.png

3、循环绘制子图时,设置共享坐标轴

那么,如何在循环绘制子图的同时,又实现共享坐标轴呢,这里就要使用到plt.subplots(),它提供了一个参数,可以自动实现共享坐标轴的功能,只需要在建立子图个数时添加sharex、sharey即可,如下所示:

fig, axes = plt.subplots(3, 3, sharex=True, sharey=True, figsize=(6,6))

下面进行简单示范:

import matplotlib.pyplot as plt 

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6,6),dpi=100)

for i, row in enumerate(axes):
    for j, col in enumerate(row):
        axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
        fig.suptitle('Figure with 2x2 subplots',fontsize=16) 
plt.tight_layout()

image.png

可以发现,已经实现了我们的需求!!

4、循环绘制子图时设置共享label

同样的,如果要实现共享label,应该怎么做呢? 这其实有两个思路:

  • 通过ax.text()选取适当位置,进行添加
  • 在绘制子图时,添加判断语句进行添加

下面,进行简单演示:

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6,6),dpi=100)

for i, row in enumerate(axes):
    for j, col in enumerate(row):
        axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
        fig.suptitle('Figure with 2x2 subplots',fontsize=16) 
        
fig.text(0.5, 0, 'xlabel', ha='center')
fig.text(0, 0.5, 'ylaebl', va='center', rotation='vertical')
            
plt.tight_layout()

image.png

或者也可以如下面这样:

import matplotlib.pyplot as plt 

fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6,6),dpi=100)
![alt text](image-10.png)
for i, row in enumerate(axes):
    for j, col in enumerate(row):
        axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
        fig.suptitle('Figure with 2x2 subplots',fontsize=16) 
        col.set_xlabel('xlabel')
        col.set_ylabel('ylaebl')               
plt.tight_layout()

image.png

绘制非规则分布子图(带投影情况下)的贡献设置方式

proj  =  ccrs.PlateCarree()

fig, axes = plt.subplots(4, 4, sharex=True, sharey=True, figsize=(10,9),dpi=200,
                         
                    subplot_kw={'projection':proj})

fig.tight_layout()
plt.subplots_adjust(wspace =0.26)
for i, row in enumerate(axes):
    for j, col in enumerate(row):
          
        axes[i,j].coastlines('50m')
        
        box = [100,125,0,20]
        xstep,ystep = 10,5
        axes[i,j].set_extent(box,crs=ccrs.PlateCarree())
        
        axes[-1,j].set_xticks(np.arange(box[0],box[1]+xstep, xstep),crs=ccrs.PlateCarree())
        axes[i,0].set_yticks(np.arange(box[2], box[3]+1, ystep),crs=ccrs.PlateCarree())
        lon_formatter = LongitudeFormatter(zero_direction_label=False)#True/False
        lat_formatter = LatitudeFormatter()
        axes[-1,j].xaxis.set_major_formatter(lon_formatter)
        axes[i,0].yaxis.set_major_formatter(lat_formatter)

plt.delaxes(axes[3,2])
plt.delaxes(axes[3,3])
plt.show()

image.png