DataFrame.plot函数详解（六）

DataFrame.plot函数详解（六）

使用subplot()做子图，定位每一个子图，设置数据和图形，理解fig和ax(axs)的意义和作用。

1. subplot()

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

nrows=1, ncols=1 ，行列子图数量，默认1

sharex=False, sharey=False，子图共享XY轴，默认不共享
1.True或者’all’：x或y轴属性将在所有子图(subplots)中共享.
2.False或’none’：每个子图的x或y轴都是独立的部分
3.‘row’：每个子图在一个x或y轴共享行(row)
4.‘col’:每个子图在一个x或y轴共享列(column)
当子图在x轴有一个共享列时(‘col’),只有底部子图的x tick标记是可视的。
同理，当子图在y轴有一个共享行时(‘row’),只有第一列子图的y tick标记是可视的。

squeeze：布尔类型，可选参数，默认：True。
如果是True，额外的维度从返回的Axes(轴)对象中挤出。
如果只有一个子图被构建(nrows=ncols=1)，结果是单个Axes对象作为标量被返回。
对于N1或1N个子图，返回一个1维数组。
对于N*M，N>1和M>1返回一个2维数组。
如果是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。

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

返回结果：
fig：matplotlib.figure.Figure对象
ax：Axes(轴)对象或Axes(轴)对象数组。

2.示例

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

df = pd.DataFrame({'apple':abs(np.random.randn(8)),'orange':abs(np.random.randn(8)),
                   'grape':abs(np.random.randn(8)),'banana':abs(np.random.randn(8))},
                  index=pd.date_range('2022-01-01', periods=8))
# 2*2 个子图
fig, axs = plt.subplots(2, 2, sharex=True, sharey=True,figsize=(10,6))

# 主图的标题
fig.suptitle ('Subplots')

#第一个子图
axs[0, 0].scatter(df.index, df['apple'], s=80, color='r', marker=">")
axs[0, 0].set_title("scatter >")

#第二个子图
axs[0, 1].bar(df.index, df['orange'], color='y')
axs[0, 1].set_title("bar")

#第三个子图
axs[1, 0].plot(df.index, df['grape'], color='b',marker='H',markersize = 10,linestyle='-.',linewidth=2)
axs[1, 0].set_title("line ")

#第四个子图
axs[1, 1].scatter(df.index, df['banana'], s=100, color='g',marker='<')
axs[1, 1].set_title("scatter <")

plt.tight_layout()
plt.show()

效果如下：

3. 理解subplot（）返回值

subplot（）返回值：
fig：matplotlib.figure.Figure对象
ax：Axes(轴)对象或Axes(轴)对象数组。

print(type(fig))
print(type(plt.figure))
print(type(axs))

结果如下：

<class ‘matplotlib.figure.Figure’>
<class ‘function’>
<class ‘numpy.ndarray’>

• plt.figure是一个函数<class ‘function’>
• plt.figure()的返回类<class ‘matplotlib.figure.Figure’>的一个实例fig
• ax的类型需要根据plt.subplots()的参数来确定，plt.subplots()会返回<class ‘matplotlib.axes.Axes’>的1个实例ax，plt.subplots(2,2)会返回Axes实例的集合axs。ax/axs/axes一般都是指类Axes的一个实例或实例的集合。

4.子图删除

import matplotlib.pyplot as plt
# 添加3行3列子图9个子图
fig, axes = plt.subplots(3, 3)
# 为第1个子图绘制图形
axes[0, 0].bar(range(1, 4), range(1, 4))
# 为第5个子图绘制图形
axes[1, 1].pie([4, 5, 6])
# 为第9个子图绘制图形
axes[2, 2].plot([1,2,3], 'o')
plt.show()

import matplotlib.pyplot as plt
# 添加3行3列子图9个子图
fig, axes = plt.subplots(3, 3)
# 为第1个子图绘制图形
axes[0, 0].bar(range(1, 4), range(1, 4))
# 为第5个子图绘制图形
axes[1, 1].pie([4, 5, 6])
# 为第9个子图绘制图形
axes[2, 2].plot([1,2,3], 'o')
# 删除没有用到的子图
for i in range(3):
    for j in range(3):
        if i != j:
            axes[i, j].remove()
plt.show()

结果如下：

上一篇scatter 、box和 df.boxplot 函数演示