快捷導(dǎo)航

matplotlib多子圖實(shí)現(xiàn)共享坐標(biāo)軸的示例詳解

更新時(shí)間：2024年02月01日 13:56:10 作者：微小冷

這篇文章主要為大家詳細(xì)介紹了matplotlib繪制多子圖師如何實(shí)現(xiàn)共享坐標(biāo)軸,文中的示例代碼講解詳細(xì),感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下

共用坐標(biāo)

當(dāng)一個(gè)圖像中有多個(gè)子圖時(shí)，若這些子圖坐標(biāo)的含義相同，那么省略一些坐標(biāo)可以讓圖像更加簡(jiǎn)潔。在matplotlib中，通過(guò)sharex或者sharey可以起到共享x或y軸坐標(biāo)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，左上角的子圖沒(méi)有x刻度值，右下角則沒(méi)有y刻度值，右上角則什么坐標(biāo)軸也沒(méi)有。

添加共享軸

直接通過(guò)subplots來(lái)創(chuàng)建圖窗和坐標(biāo)軸，盡管用一行代碼解決了很多問(wèn)題，但相應(yīng)地也不夠靈活，而靈活添加坐標(biāo)軸的函數(shù)add_subplot也有sharex和sharey的參數(shù)，但二者并不是布爾型參數(shù)，而是需要輸入希望共享的坐標(biāo)軸。

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，從各坐標(biāo)軸的坐標(biāo)來(lái)看，的確實(shí)現(xiàn)了坐標(biāo)共享，但并沒(méi)有像subplots中一樣，直接隱藏不必要的坐標(biāo)刻度。

為了達(dá)到和subplots相同的效果，需要手動(dòng)隱藏坐標(biāo)刻度，如將代碼改為下面的形式，即可實(shí)現(xiàn)目標(biāo)

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()

灰度直方圖

上面示例中那幾個(gè)子圖，彼此之間區(qū)別不大，放在一張圖中是完全沒(méi)問(wèn)題的，但有些情況則不適合放在一張圖中，比如對(duì)于一張圖片來(lái)說(shuō)，想知道其水平方向上灰度強(qiáng)度的分布，就比較適合坐標(biāo)。

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)        # 散點(diǎn)圖繪制
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圖有3個(gè)通道，所以在對(duì)每行或者每列像素求和時(shí)，選擇分別對(duì)三個(gè)通道進(jìn)行操作。而后在繪制曲線時(shí)，對(duì)三個(gè)通道的值也使用了不同的顏色方案。通過(guò)tick_params函數(shù)，取消了上圖底部和右圖左側(cè)的坐標(biāo)刻度。

最后得圖如下

到此這篇關(guān)于matplotlib多子圖實(shí)現(xiàn)共享坐標(biāo)軸的示例詳解的文章就介紹到這了,更多相關(guān)matplotlib共享坐標(biāo)軸內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: