專欄導(dǎo)讀

? 作者簡介：i阿極，CSDN Python領(lǐng)域新星創(chuàng)作者，專注于分享python領(lǐng)域知識。

? 本文錄入于《數(shù)據(jù)分析之道》，本專欄針對大學(xué)生、初級數(shù)據(jù)分析工程師精心打造，對python基礎(chǔ)知識點(diǎn)逐一擊破，不斷學(xué)習(xí)，提升自我。
? 訂閱后，可以閱讀《數(shù)據(jù)分析之道》中全部文章內(nèi)容，包含python基礎(chǔ)語法、數(shù)據(jù)結(jié)構(gòu)和文件操作，科學(xué)計(jì)算，實(shí)現(xiàn)文件內(nèi)容操作，實(shí)現(xiàn)數(shù)據(jù)可視化等等。
? 其他專欄：《數(shù)據(jù)分析案例》 ，《機(jī)器學(xué)習(xí)案例》
??????如果覺得文章不錯(cuò)或能幫助到你學(xué)習(xí)，可以點(diǎn)贊??收藏??評論??+關(guān)注哦！??????

??????如果有小伙伴需要數(shù)據(jù)集和學(xué)習(xí)交流，文章下方有交流學(xué)習(xí)區(qū)！一起學(xué)習(xí)進(jìn)步！??

1、前言

Matplotlib支持多種繪制多圖的方法，其中最常用的是subplot和subplots函數(shù)。subplot函數(shù)可以將一個(gè)圖像分成若干個(gè)小區(qū)域，并在其中繪制子圖，而subplots函數(shù)可以一次性創(chuàng)建多個(gè)子圖，并返回一個(gè)包含所有子圖的數(shù)組對象。在繪制多圖時(shí)，我們可以通過調(diào)整子圖的排列方式、大小、間距等參數(shù)來滿足不同的需求，從而使得圖像更加美觀、直觀、易于理解。

2、subplot()函數(shù)

subplot 函數(shù)是 Matplotlib 庫中用于創(chuàng)建子圖的函數(shù)。它允許在一個(gè)圖形窗口中創(chuàng)建多個(gè)子圖，并指定子圖的布局。

subplot 函數(shù)的語法如下：

subplot(nrows, ncols, index, **kwargs)

參數(shù)說明：

• nrows：表示子圖布局的行數(shù)。
• ncols：表示子圖布局的列數(shù)。
• index：表示當(dāng)前子圖在布局中的索引。索引從左上角開始，從左到右，從上到下遞增?？梢允褂谜麛?shù)或元組 (row, col, index) 來指定索引。
• **kwargs：可選參數(shù)，用于設(shè)置子圖的其他屬性。

2.1創(chuàng)建一個(gè)包含 2x2 的子圖布局，并在每個(gè)子圖中繪制不同的圖形

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建數(shù)據(jù)
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 創(chuàng)建子圖布局
plt.subplot(2, 2, 1)
plt.plot(x, y1)
plt.title('Sin(x)')

plt.subplot(2, 2, 2)
plt.plot(x, y2)
plt.title('Cos(x)')

plt.subplot(2, 2, 3)
plt.plot(x, y3)
plt.title('Tan(x)')

plt.subplot(2, 2, 4)
plt.plot(x, y4)
plt.title('Exp(x)')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

我們創(chuàng)建了一個(gè) 2x2 的子圖布局，共有四個(gè)子圖。在每個(gè)子圖中，我們使用 subplot 函數(shù)指定子圖的位置，然后分別繪制了不同的圖形。

2.2創(chuàng)建一個(gè)包含 1x3 的子圖布局，并繪制三種不同類型的圖形

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建數(shù)據(jù)
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.exp(-x)
y3 = np.log(x)

# 創(chuàng)建子圖布局
plt.subplot(1, 3, 1)
plt.plot(x, y1)
plt.title('Sin(x)')

plt.subplot(1, 3, 2)
plt.plot(x, y2)
plt.title('Exp(-x)')

plt.subplot(1, 3, 3)
plt.plot(x, y3)
plt.title('Log(x)')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

2.3創(chuàng)建一個(gè)包含 2 行 1 列的子圖布局，繪制散點(diǎn)圖和柱狀圖

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建數(shù)據(jù)
np.random.seed(0)
x = np.arange(1, 11)
y1 = np.random.randint(1, 10, size=10)
y2 = np.random.randint(1, 10, size=10)

# 創(chuàng)建子圖布局
plt.subplot(2, 1, 1)
plt.scatter(x, y1, color='r')
plt.title('Scatter Plot')

plt.subplot(2, 1, 2)
plt.bar(x, y2, color='b')
plt.title('Bar Plot')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

我們創(chuàng)建了一個(gè)包含 2 行 1 列的子圖布局，總共有兩個(gè)子圖。在第一個(gè)子圖中，我們使用 scatter 函數(shù)繪制了散點(diǎn)圖，展示了隨機(jī)生成的點(diǎn)的分布。在第二個(gè)子圖中，我們使用 bar 函數(shù)繪制了柱狀圖，展示了另一組隨機(jī)生成的數(shù)據(jù)。
使用 subplot 函數(shù)指定子圖的位置和布局，然后在每個(gè)子圖中繪制了不同類型的圖形。最后，使用 tight_layout 函數(shù)調(diào)整子圖之間的間距，并通過 show 函數(shù)顯示圖形。

3、subplots()函數(shù)

subplots 函數(shù)是 Matplotlib 庫中用于創(chuàng)建多個(gè)子圖的函數(shù)。它可以方便地創(chuàng)建包含多個(gè)子圖的圖形窗口，并提供更靈活的子圖布局選項(xiàng)。

subplots 函數(shù)的語法如下：

subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, **fig_kw)

參數(shù)說明：

• nrows：表示子圖布局的行數(shù)，默認(rèn)為 1。
• ncols：表示子圖布局的列數(shù)，默認(rèn)為 1。
• sharex：設(shè)置是否共享 x 軸刻度，默認(rèn)為 False。
• sharey：設(shè)置是否共享 y 軸刻度，默認(rèn)為 False。
• squeeze：設(shè)置是否自動(dòng)壓縮子圖布局，默認(rèn)為 True。
• **fig_kw：可選參數(shù)，用于設(shè)置圖形窗口的其他屬性。

3.1創(chuàng)建一個(gè)包含 2 行 2 列的子圖布局，并在每個(gè)子圖中繪制不同類型的圖形

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建數(shù)據(jù)
x = np.linspace(0, 2*np.pi, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 創(chuàng)建子圖布局
fig, axs = plt.subplots(2, 2, figsize=(8, 6))

# 子圖1
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('Sin(x)')

# 子圖2
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('Cos(x)')

# 子圖3
axs[1, 0].plot(x, y3)
axs[1, 0].set_title('Tan(x)')

# 子圖4
axs[1, 1].plot(x, y4)
axs[1, 1].set_title('Exp(x)')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

我們使用 subplots 函數(shù)創(chuàng)建了一個(gè)包含 2 行 2 列的子圖布局，并返回了一個(gè)包含子圖對象的數(shù)組 axs。在每個(gè)子圖中，我們通過索引 axs[row, col] 訪問子圖對象，并在每個(gè)子圖中繪制了不同類型的圖形。

3.2創(chuàng)建一個(gè)包含 1 行 3 列的子圖布局，繪制散點(diǎn)圖和柱狀圖

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建數(shù)據(jù)
np.random.seed(0)
x = np.arange(1, 11)
y1 = np.random.randint(1, 10, size=10)
y2 = np.random.randint(1, 10, size=10)

# 創(chuàng)建子圖布局
fig, axs = plt.subplots(1, 3, figsize=(12, 4))

# 子圖1 - 散點(diǎn)圖
axs[0].scatter(x, y1, color='r')
axs[0].set_title('Scatter Plot')

# 子圖2 - 柱狀圖
axs[1].bar(x, y2, color='b')
axs[1].set_title('Bar Plot')

# 子圖3 - 折線圖
axs[2].plot(x, y1, color='g')
axs[2].plot(x, y2, color='m')
axs[2].set_title('Line Plot')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

3.3創(chuàng)建一個(gè)包含 2 行 2 列的子圖布局，繪制多種不同的圖形

import matplotlib.pyplot as plt
import numpy as np

# 創(chuàng)建數(shù)據(jù)
np.random.seed(0)
x = np.linspace(0, 5, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 創(chuàng)建子圖布局
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 子圖1 - 折線圖
axs[0, 0].plot(x, y1, color='r')
axs[0, 0].set_title('Sin(x)')

# 子圖2 - 散點(diǎn)圖
axs[0, 1].scatter(x, y2, color='g')
axs[0, 1].set_title('Cos(x)')

# 子圖3 - 柱狀圖
axs[1, 0].bar(x, y3, color='b')
axs[1, 0].set_title('Tan(x)')

# 子圖4 - 面積圖
axs[1, 1].fill_between(x, 0, y4, color='m')
axs[1, 1].set_title('Exp(x)')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

4、random函數(shù)繪制多種不一樣的子圖

根據(jù) random 函數(shù)生成隨機(jī)數(shù)據(jù)，我們可以繪制多種不同的子圖。下面是一個(gè)例子，展示了如何使用 random 函數(shù)創(chuàng)建多個(gè)子圖。

import matplotlib.pyplot as plt
import numpy as np

# 生成隨機(jī)數(shù)據(jù)
np.random.seed(0)
x = np.linspace(0, 10, 100)
y1 = np.random.rand(100)
y2 = np.random.randn(100)
y3 = np.random.randint(1, 10, 100)

# 創(chuàng)建子圖
fig, axs = plt.subplots(2, 2, figsize=(10, 8))

# 子圖1
axs[0, 0].plot(x, y1, color='r')
axs[0, 0].set_title('Random Numbers (0-1)')

# 子圖2
axs[0, 1].scatter(x, y2, color='g')
axs[0, 1].set_title('Random Numbers (Normal Distribution)')

# 子圖3
axs[1, 0].bar(x, y3, color='b')
axs[1, 0].set_title('Random Integers (1-10)')

# 子圖4
axs[1, 1].hist(y1, bins=10, color='m')
axs[1, 1].set_title('Histogram of Random Numbers (0-1)')

# 調(diào)整子圖之間的間距
plt.tight_layout()

# 顯示圖形
plt.show()

5、matplotlib相關(guān)圖書推薦

5.1內(nèi)容簡介

在大數(shù)據(jù)時(shí)代背景下，統(tǒng)計(jì)學(xué)作為數(shù)據(jù)分析領(lǐng)域的基礎(chǔ)，被應(yīng)用于各行各業(yè)，其方法發(fā)揮著重要作用。為了更廣泛地普及統(tǒng)計(jì)學(xué)知識，培養(yǎng)更多的統(tǒng)計(jì)學(xué)人才，本書應(yīng)運(yùn)而生。
作為入門級圖書，本書內(nèi)容安排如下。第1章從不確定性出發(fā)，講述統(tǒng)計(jì)學(xué)和不確定性的關(guān)系，以及統(tǒng)計(jì)學(xué)中用于描述不確定性的各種概率模型。第2章是參數(shù)估計(jì)，系統(tǒng)講述統(tǒng)計(jì)學(xué)中矩估計(jì)和極大似然估計(jì)兩種常用的參數(shù)估計(jì)方法，并基于兩種方法介紹各種常見概率分布中參數(shù)的點(diǎn)估計(jì)和區(qū)間估計(jì)。第3章是假設(shè)檢驗(yàn)，首先從不確定性的角度探討實(shí)際中的各種決策問題，幫助讀者理解假設(shè)檢驗(yàn)的思想和應(yīng)用場景，然后系統(tǒng)介紹假設(shè)檢驗(yàn)的方法論及各種常見推廣。第4章是回歸分析，首先介紹回歸分析的思想和廣泛的應(yīng)用場景，然后系統(tǒng)地介紹各類常用模型，從線性回歸到廣義線性回歸，最終落腳到兩種機(jī)器學(xué)習(xí)算法（決策樹、神經(jīng)網(wǎng)絡(luò)）。
本書特別強(qiáng)調(diào)實(shí)際應(yīng)用，因此各個(gè)章節(jié)都輔以大量的實(shí)際案例，在介紹統(tǒng)計(jì)學(xué)基礎(chǔ)知識的同時(shí)培養(yǎng)讀者使用統(tǒng)計(jì)學(xué)方法解決實(shí)際問題的能力。

5.2作者簡介

王漢生：北京大學(xué)光華管理學(xué)院商務(wù)統(tǒng)計(jì)與經(jīng)濟(jì)計(jì)量系教授，博導(dǎo)。國家杰出青年基金獲得者，教育部長江學(xué)者特聘教授，美國統(tǒng)計(jì)學(xué)會（ASA）Fellow，國際統(tǒng)計(jì)協(xié)會（ISI） Elected Member。先后歷任9個(gè)國際學(xué)術(shù)期刊副主編（Associate Editor）。在國內(nèi)外各種專業(yè)雜志上發(fā)表文章100+篇，并合著有英文專著1本、中文教材4本。
王菲菲：中國人民大學(xué)統(tǒng)計(jì)學(xué)院副教授，碩士生導(dǎo)師。北京大學(xué)光華管理學(xué)院商務(wù)統(tǒng)計(jì)與經(jīng)濟(jì)計(jì)量系博士。研究興趣為文本挖掘、網(wǎng)絡(luò)結(jié)構(gòu)數(shù)據(jù)分析、大規(guī)模數(shù)據(jù)的統(tǒng)計(jì)建模等。在國內(nèi)外高水平期刊發(fā)表論文20余篇，曾多次獲得中國人民大學(xué)教學(xué)類獎(jiǎng)項(xiàng)。熱衷案例創(chuàng)作，是微信公眾號“狗熊會”精品案例系列的案例組長。

??本次送 3本書 ，評論區(qū)抽3位小伙伴送書
??活動(dòng)時(shí)間：截止到 2023-05-15 14:00:00
??抽獎(jiǎng)方式：利用爬蟲進(jìn)行隨機(jī)抽獎(jiǎng)。
??參與方式：關(guān)注博主、點(diǎn)贊、收藏，評論區(qū)評論 “我要學(xué)習(xí)Matplotlib！”
ps:一定要關(guān)注博主，不然中獎(jiǎng)后將無效
??通知方式：通過動(dòng)態(tài)與私信與本文最后同時(shí)公布
??獲獎(jiǎng)名單：
碼銀
山山而川442
好多漁

??感興趣的小伙伴也可以訪問下面的鏈接了解詳情：
京東自營購買鏈接：https://item.jd.com/10069307972258.html

??文章下方有交流學(xué)習(xí)區(qū)！一起學(xué)習(xí)進(jìn)步！??????
??首發(fā)CSDN博客，創(chuàng)作不易，如果覺得文章不錯(cuò)，可以點(diǎn)贊??收藏??評論??
??你的支持和鼓勵(lì)是我創(chuàng)作的動(dòng)力???文章來源地址http://www.zghlxwxcb.cn/news/detail-442458.html

到了這里，關(guān)于【數(shù)據(jù)分析之道-Matplotlib(三)】Matplotlib 繪制子圖的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！