python创建子图函数 python子图共用图例

python中四瓣花的填充颜色怎么更改

python中四瓣花的填充颜色更改步骤：

1、首先，使用matplotlib.pyplot.subplots()函数创建一个子图，并设置其尺寸。

2、然后，使用matplotlib.pyplot.fill_between()函数绘制四瓣花，并设置其填充颜色。

3、最后，使用matplotlib.pyplot.show()函数显示图形。

相关问答

Q1: pythonplot图形展示区在哪里

一、认识绘图区

在绘制图形之前，我们首先要了解的就是图表的组成部分，以及各组成部分如何用代码来更改。这也是我们用 Python 绘制图表的基础。

1、建立画布：figure

画布的作用相当于我们绘图过程中用到的画板，有了画板，我们才能将纸固定下来：

# 导入 matplotlib 库

import matplotlib.pyplot as plt

# 建立一个画布，画布大小为（8，6）

plt.figure(figsize=(8, 6))

plt.show()

登录后复制

输出结果：

2、建立绘图区：subplot

建立绘图区就是创建坐标系，用来绘制图形，相当于铺在画布上的纸。

# 创建坐标系(用于绘制图形)

axes = plt.subplot()

登录后复制

输出结果：

Ps：当然，在绘制简单图形时。我们也可以用下面这种方式建立坐标系，也可以达到同样的效果:

# 导入 matplotlib 库

import matplotlib.pyplot as plt

# 建立一个画布，画布大小为（8，6）

plt.figure(figsize=(8, 6))

# 创建坐标系(用于绘制图形)

plt.plot()

plt.show()

登录后复制

但本小白觉得这种绘制单个图形还可以，在一个画布上绘制多个图形时还是要用到 subplot 函数，且更改坐标轴的样式时不太方便，下面将会为大家介绍。

二、更改绘图区参数

1、X、Y轴刻度 tick_params

import matplotlib.pyplot as plt

plt.figure(figsize=(8, 6))

axes = plt.subplot()

# 更改轴上刻度

# axis:代表坐标轴(默认="both")

# both:x,y轴同时更改；axis="x"只更改x轴

# direction="in"代表刻度向里，"out"向外

# bottom，top，right，left：刻度线

# labelbottom, labeltop, labelleft, labelright:刻度线下文字

axes.tick_params(axis="both", direction="in", bottom=False，labelbottom=False)

plt.show()

登录后复制



更多 tick_params 参数

2、边框线 spines

# 图表边框线的修改

# top、bottom、left、right

axes.spines["top"].set_visible(False)

axes.spines["right"].set_visible(False)

axes.spines["bottom"].set_visible(False)

登录后复制

注：前面我们说到用 axes=plt.subplot() 创建绘图区，就是为了能够用 axes.spines... 这段代码，利用 plt.plot() 没有这样方便，而且还利于在一个画布中创建多个坐标轴。

3、实例

# 绘制正、余弦函数

import numpy as np

import matplotlib.pyplot as plt

# 创建画布

plt.figure(figsize=(8, 6))

# 建立坐标系

axes = plt.subplot()

axes.spines["top"].set_visible(False)

axes.spines["right"].set_visible(False)

x = np.linspace(0, 2*np.pi)

y1 = np.sin(x)

y2 = np.cos(x)

axes.plot(x, y1, x, y2)

plt.show()

登录后复制



到此，我们就能够随意更改坐标轴的样式，来创建有特色的图形了。

三、创建子图： subplot函数

通常我们需要在一个画布中绘制多个图形，这样我们就需要用到 subplot函数：

subplot ( nrows, ncols, plot_number )

nrows：子图的行数

ncols：子图的列数

plot_number：子图放的位置

subplot(2,2,1)

# 将画布分为2x2四个区域，并在第一个位置绘图

登录后复制

也可以写成下面的形式，输出结果一样

Q2: Python的 matplotlib画图，怎么把子图的每个横坐标显示出来？

ax = subplots(nrows,ncols,sharex,sharey,squeeze,subplot_kw,gridspec_kw,**fig_kw)  

创建画布和子图。

nrows和ncols表示将画布分割成几行几列 python创建子图函数，

sharex和sharey表是共用xy轴的设置。

squeeze  bool

a.默认参数为Truepython创建子图函数：额外的维度从返回的Axes(轴)对象中挤出python创建子图函数，对于N*1或1*N个子图python创建子图函数，返回一个1维数组python创建子图函数，对于N*M，N1和M1返回一个2维数组。

b.为False，不进行挤压操作：返回一个元素为Axes实例的2维数组，即使它最终是1x1。

subplot_kw:字典类型，可选参数。把字典的关键字传递给add_subplot()来创建每个子图。

subplot_kw:字典类型，可选参数。把字典的关键字传递给add_subplot()来创建每个子图。

gridspec_kw:字典类型，可选参数。把字典的关键字传递给GridSpec构造函数创建子图放在网格里(grid)。

**fig_kw：把所有详细的关键字参数传给figure()函数。

可见你没有办法单独设置某个子图的ax的。

Q3: python绘图中的四个绘图技巧

    pre{overflow-x: auto}

技巧1: plt.subplots()

技巧2: plt.subplot()

技巧3: plt.tight_layout()

技巧4: plt.suptitle()

数据集：

让我们导入包并更新图表的默认设置，为图表添加一点个人风格。 我们将在提示上使用 Seaborn 的内置数据集：

import seaborn as sns # v0.11.2   import matplotlib.pyplot as plt # v3.4.2   sns.set(style='darkgrid', context='talk', palette='rainbow')df = sns.load\_dataset('tips')   df.head()

技巧1: plt.subplots()

绘制多个子图的一种简单方法是使用 plt.subplots() 。

这是绘制 2 个并排子图的示例语法：

fig, ax = plt.subplots(nrows=1, ncols=2, figsize=(10,4))   sns.histplot(data=df, x='tip', ax=ax[0])   sns.boxplot(data=df, x='tip', ax=ax[1]);

在这里，我们在一个图中绘制了两个子图。 我们可以进一步自定义每个子图。

  例如，我们可以像这样为每个子图添加标题：

fig, ax = plt.subplots(1, 2, figsize=(10,4))   sns.histplot(data=df, x='tip', ax=ax[0])   ax[0].set\_title("Histogram")   sns.boxplot(data=df, x='tip', ax=ax[1])   ax[1].set\_title("Boxplot");

在循环中将所有数值变量用同一组图表示：

numerical = df.select\_dtypes('number').columnsfor col in numerical:    fig, ax = plt.subplots(1, 2, figsize=(10,4))    sns.histplot(data=df, x=col, ax=ax[0])    sns.boxplot(data=df, x=col, ax=ax[1]); 技巧2: plt.subplot()

另一种可视化多个图形的方法是使用 plt.subplot()， 末尾没有 s

  语法与之前略有不同：

plt.figure(figsize=(10,4))   ax1 = plt.subplot(1,2,1)   sns.histplot(data=df, x='tip', ax=ax1)   ax2 = plt.subplot(1,2,2)   sns.boxplot(data=df, x='tip', ax=ax2);

当我们想为多个图绘制相同类型的图形并在单个图中查看所有图形，该方法特别有用：

plt.figure(figsize=(14,4))   for i, col in enumerate(numerical):    ax = plt.subplot(1, len(numerical), i+1)    sns.boxplot(data=df, x=col, ax=ax)

我们同样能定制子图形。例如加个 title

plt.figure(figsize=(14,4))   for i, col in enumerate(numerical):    ax = plt.subplot(1, len(numerical), i+1)    sns.boxplot(data=df, x=col, ax=ax)     ax.set\_title(f"Boxplot of {col}")

通过下面的比较，我们能更好的理解它们的相似处与不同处熟悉这两种方法很有用，因为它们可以在不同情况下派上用场。

技巧3: plt.tight_layout()

在绘制多个图形时，经常会看到一些子图的标签在它们的相邻子图上重叠，

如下所示：

categorical = df.select\_dtypes('category').columnsplt.figure(figsize=(8, 8))   for i, col in enumerate(categorical):    ax = plt.subplot(2, 2, i+1)    sns.countplot(data=df, x=col, ax=ax)

顶部两个图表的 x 轴上的变量名称被剪掉，右侧图的 y 轴标签与左侧子图重叠.使用 plt.tight_layout 很方便

plt.figure(figsize=(8, 8))   for i, col in enumerate(categorical):    ax = plt.subplot(2, 2, i+1)    sns.countplot(data=df, x=col, ax=ax)    plt.tight\_layout()

专业 看起来更好了。

技巧4: plt.suptitle()

真个图形添加标题：

plt.figure(figsize=(8, 8))   for i, col in enumerate(categorical):    ax = plt.subplot(2, 2, i+1)    sns.countplot(data=df, x=col, ax=ax)    plt.suptitle('Category counts for all categorical variables')   plt.tight\_layout()

此外，您可以根据自己的喜好自定义各个图。 例如，您仍然可以为每个子图添加标题。

到此这篇关于python绘图 四个绘图技巧的文章就介绍到这了，希望大家以后多多支持！

Q4: python中fig，ax=plt.subplots什么意思

python中fig，ax=plt.subplots是python一种subplot可以画出很多子图的图片的方法。

1、载入要用的工具包，代码输入import matplotlib.pyplot as plt，from skimage import data,color。

2、接着生成原始数据与图片，定义图片内容的代码：

img = data.coffee()

hsv = color.rgb2hsv(img)

fig, axes = plt.subplots(2, 2, figsize=(7, 6))

ax0, ax1, ax2, ax3 = axes.ravel()

3、依次排列输入代码：

ax0.imshow(img)

ax1.imshow(hsv[:, :, 0], cmap=plt.cm.gray)

ax2.imshow(hsv[:, :, 1], cmap=plt.cm.gray)

ax3.imshow(hsv[:, :, 2], cmap=plt.cm.gray)

fig.tight_layout()

4、同样，需要采用以下指令显示图片，输入代码为plt.show()。

5、最后，就可以看到呈现的效果图，就是一种subplot可以画出很多子图的图片的方法，这样就可以解决问题了。

关于python创建子图函数和python子图共用图例的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。