我們?cè)谑褂胢atplotlib庫進(jìn)行繪圖的時(shí)候有時(shí)候會(huì)涉及到圖的對(duì)比,在涉及到圖的對(duì)比的時(shí)候我們會(huì)采用子圖的形式進(jìn)行展示,那么python怎么使用matplotlib繪制子圖呢?接下來的這篇文章告訴你!
1、涉及到圖的對(duì)比會(huì)用到子圖形式展示
先看看效果
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(jiǎn)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(zhǎng)和寬以及dpi參數(shù)指定繪圖對(duì)象的分辨率;
(2)設(shè)置x軸刻度的間隔;
(3)對(duì)本次繪圖中的字體進(jìn)行設(shè)置;
(4)在matplotlib下,一個(gè)figure對(duì)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(duì)數(shù)據(jù)一次性展示不能夠達(dá)到對(duì)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??傮w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"])
結(jié)果如下所示:
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)
小結(jié)
以上就是關(guān)于python怎么使用matplotlib繪制子圖和python如何進(jìn)行子圖刻度的變換的全部?jī)?nèi)容,希望能給大家一個(gè)參考,也希望大家多多支持W3Cschool。