matplotlib多子图实现共享坐标轴的示例详解

 更新时间:2024年02月01日 13:56:10   作者:微小冷  
这篇文章主要为大家详细介绍了matplotlib绘制多子图师如何实现共享坐标轴,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下

共用坐标

当一个图像中有多个子图时,若这些子图坐标的含义相同,那么省略一些坐标可以让图像更加简洁。在matplotlib中,通过sharex或者sharey可以起到共享x或y轴坐标的作用。示例如下

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5,5,100)
ys = [np.sin(x+i) for i in range(5)]

fig,axes = plt.subplots(2,2,sharex=True, sharey=True)

axes = axes.reshape(-1)
for i in range(4):
    axes[i].plot(x, ys[i])

plt.show()

效果如下,左上角的子图没有x刻度值,右下角则没有y刻度值,右上角则什么坐标轴也没有。

添加共享轴

直接通过subplots来创建图窗和坐标轴,尽管用一行代码解决了很多问题,但相应地也不够灵活,而灵活添加坐标轴的函数add_subplot也有sharex和sharey的参数,但二者并不是布尔型参数,而是需要输入希望共享的坐标轴。

fig = plt.figure()
ax3 = fig.add_subplot(223)
ax3.plot(x,ys[2])

ax1 = fig.add_subplot(221, sharex=ax3)
ax1.plot(x[:50],ys[0][:50])

ax4 = fig.add_subplot(224, sharey=ax3)
ax4.plot(x[50:],ys[3][50:])

ax2 = fig.add_subplot(222, sharex=ax4, sharey=ax1)
ax2.plot(x,ys[1])

plt.show()

效果如下,一方面,从各坐标轴的坐标来看,的确实现了坐标共享,但并没有像subplots中一样,直接隐藏不必要的坐标刻度。

为了达到和subplots相同的效果,需要手动隐藏坐标刻度,如将代码改为下面的形式,即可实现目标

fig = plt.figure()
ax3 = fig.add_subplot(223)
ax3.plot(x,ys[2])

ax1 = fig.add_subplot(221, sharex=ax3)
ax1.plot(x[:50],ys[0][:50])
ax1.tick_params(axis="x", labelbottom=False)

ax4 = fig.add_subplot(224, sharey=ax3)
ax4.plot(x[50:],ys[3][50:])
ax4.tick_params(axis="y", labelleft=False)

ax2 = fig.add_subplot(222, sharex=ax4, sharey=ax1)
ax2.plot(x,ys[1])
ax2.tick_params(axis="x", labelbottom=False)
ax2.tick_params(axis="y", labelleft=False)

plt.show()

灰度直方图

上面示例中那几个子图,彼此之间区别不大,放在一张图中是完全没问题的,但有些情况则不适合放在一张图中,比如对于一张图片来说,想知道其水平方向上灰度强度的分布,就比较适合坐标。

path = r'lena.jpg'
img = plt.imread(path)

xs = [np.sum(img[:,:,i],0) for i in range(3)]
ys = [np.sum(img[:,:,i],1) for i in range(3)]

fig = plt.figure()
gs = fig.add_gridspec(2, 2,
    width_ratios=(4, 1),
    height_ratios=(1, 4))

ax = fig.add_subplot(gs[1, 0])
ax.imshow(img)        # 散点图绘制
plt.axis('off')

xHist = fig.add_subplot(gs[0, 0], sharex=ax)
xHist.tick_params(axis="x", labelbottom=False)

yHist = fig.add_subplot(gs[1, 1], sharey=ax)
yHist.tick_params(axis="y", labelleft=False)

colors = 'rgb'
for i in range(3):
    xHist.plot(xs[i], color=colors[i])
    yHist.plot(ys[i], np.arange(len(ys[i])),color=colors[i])

plt.show()

由于lena图有3个通道,所以在对每行或者每列像素求和时,选择分别对三个通道进行操作。而后在绘制曲线时,对三个通道的值也使用了不同的颜色方案。通过tick_params函数,取消了上图底部和右图左侧的坐标刻度。

最后得图如下

到此这篇关于matplotlib多子图实现共享坐标轴的示例详解的文章就介绍到这了,更多相关matplotlib共享坐标轴内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • jupyter lab文件导出/下载方式

    jupyter lab文件导出/下载方式

    这篇文章主要介绍了jupyter lab文件导出/下载方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-04-04
  • Python爬虫Requests库的使用详情

    Python爬虫Requests库的使用详情

    这篇文章主要介绍了Python爬虫Requests库的使用详情,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下
    2022-08-08
  • python3+PyQt5实现自定义分数滑块部件

    python3+PyQt5实现自定义分数滑块部件

    这篇文章主要为大家详细介绍了python3+PyQt5实现自定义分数滑块部件,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2018-04-04
  • pandas返回缺失值位置的方法实例教程

    pandas返回缺失值位置的方法实例教程

    当我们用python进行数据处理时会遇到很多缺失值,缺失值一般是由于我们所处理的数据本身的特性、当初录入的失误或者其它原因导致的,下面这篇文章主要给大家介绍了关于pandas返回缺失值位置的方法,需要的朋友可以参考下
    2022-01-01
  • pycharm中python解释器的配置方式

    pycharm中python解释器的配置方式

    这篇文章主要介绍了pycharm中python解释器的配置方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-08-08
  • python并发2之使用asyncio处理并发

    python并发2之使用asyncio处理并发

    本篇文章主要介绍了python并发2之使用asyncio处理并发,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2017-12-12
  • Python中实现JSON数据读写的编程实战指南

    Python中实现JSON数据读写的编程实战指南

    JSON 全称是 JavaScript Object Notation 即 JavaScript 对象表示法,是一种轻量级的数据交换格式,下面就带大家深入理解 JSON 的概念以及在 Python 中的读写操作方法吧
    2025-11-11
  • 33个Python爬虫项目实战(推荐)

    33个Python爬虫项目实战(推荐)

    这篇文章主要介绍了33个Python爬虫项目实战,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2019-07-07
  • NumPy中np.c_ 和 np.r_ 的区别小结

    NumPy中np.c_ 和 np.r_ 的区别小结

    np.c_和 np.r_是NumPy库中两个非常有用的函数,它们分别用于按列和按行拼接数组本文主要介绍了NumPy中np.c_ 和 np.r_ 的区别小结,具有一定的参考价值,感兴趣的可以了解一下
    2024-02-02
  • 详解Python self 参数

    详解Python self 参数

    这篇文章主要介绍了Python self 参数详解,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友可以参考下
    2019-08-08

最新评论