今天在这篇文章中，我们将学习使用Matplotlib调整图和子图的大小。我们都知道，对于数据可视化 的目的，Python是最好的选择。它有一套模块，几乎可以在每个系统上运行。因此，在这个小教程中，我们的任务是学习有关的知识。让我们开始吧!
绘图的基础知识
绘图基本上意味着为一个给定的数据框架形成各种图形可视化。它有多种类型：
- 柱状图。每个数据项的二维表示，相对于X-Y尺度上的一些实体。
- 散点图。绘制代表x-y轴上的数据点的小点。
- 柱状图
- 饼状图等
还有其他各种技术在数据科学和计算任务中使用。
要了解更多关于绘图的知识，请查看Matplotlib中的绘图教程。
什么是子图？
子图是一种数据可视化的分布式技术，在一个图中包含几个图。这使得我们的演示更加美观，并且容易理解各种数据点与不同实体的分布。
用于绘图的Python设置
- 编程环境。Python 3.8.5
- IDE。Jupyter notebooks
- 库/包。Matplotlib, Numpy
在Matplotlib中创建可调整大小的图
让我们跳到创建几个图，以后可以调整大小。
代码
from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = 4 + 2*np.sin(2*x)
fig, axs = plt.subplots()
plt.xlabel("time")
plt.ylabel("amplitude")
plt.title("y = sin(x)")
axs.plot(x, y, linewidth = 3.0)
axs.set(xlim=(0, 8), xticks=np.arange(1, 8),
ylim=(0, 8), yticks=np.arange(1, 8))
plt.show()
输出
正弦波图
这只是一个简单的正弦波图，显示了时间线性增加时的振幅运动。现在，我们将看到使事情更简单的子图 。
为了进行练习，我留下了cos(x)和tan(x)的代码。请看，这些代码是否有效。
cos(x)的代码
from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = 4 + 2*np.cos(2*x)
fig, axs = plt.subplots()
plt.xlabel("time")
plt.ylabel("amplitude")
plt.title("y = cos(x)")
axs.plot(x, y, linewidth = 3.0)
axs.set(xlim=(0, 8), xticks=np.arange(1, 8),
ylim=(0, 8), yticks=np.arange(1, 8))
plt.show()
输出
绘制cos(x)图
tan(x)的代码。
from matplotlib import pyplot as plt
import numpy as np
x = np.linspace(0, 10, 100)
y = 4 + 2*np.tan(2*x)
fig, axs = plt.subplots()
plt.xlabel("time")
plt.ylabel("amplitude")
plt.title("y = tan(x)")
axs.plot(x, y, linewidth = 3.0)
axs.set(xlim=(0, 8), xticks=np.arange(1, 8),
ylim=(0, 8), yticks=np.arange(1, 8))
plt.show()
输出。
绘制tan(x)图
Matplotlib中的图形有一个预定义的尺寸布局。因此，当我们需要改变它们的大小时，绘图 类有一个数字 函数。这个函数负责使视图与屏幕更加相对。用户有充分的权利来编辑绘图的尺寸。我们将通过一个例子来理解这一点。
代码
import random
from matplotlib import pyplot as plt
plt.figure(figsize = (5, 5))
x = []
y = []
plt.xlabel("X values")
plt.ylabel("Y values")
plt.title("A simple graph")
N = 50
for i in range(N):
x.append(random.randint(0, 10))
y.append(random.randint(0, 10))
plt.bar(x, y, color = "pink")
plt.show()
输出
一个简单的条形图
解释一下
- 在这段代码中，前两行代码导入了 pyplot 和 random 库。
- 在第二行代码中，我们使用 figure() 函数。在这个函数中，figsize参数是一个关于绘图布局的高度和宽度的元组。
- 这可以帮助我们决定我们要给多少高度。
- 随机函数在两个列表x、y中分别插入1到10的随机值。
- 然后调用bar()函数来创建条形图。
在Matplotlib中调整图的大小
这个库是用来在单轴或多轴上创建子图的。我们可以在它上面实现各种条形图。它有助于为统计数据的展示创建通用的布局。
使用figsize
代码示例
from matplotlib import pyplot as plt
import numpy as np
N = 5
menMeans = (20, 35, 30, 35, -27)
womenMeans = (25, 32, 34, 20, -25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) # the x locations for the groups
width = 0.35 # the width of the bars: can also be len(x) sequence
fig, ax = plt.subplots(figsize = (6, 6))
p1 = ax.bar(ind, menMeans, width, yerr=menStd, label='Men')
p2 = ax.bar(ind, womenMeans, width,
bottom=menMeans, yerr=womenStd, label='Women')
ax.axhline(0, color='grey', linewidth=0.8)
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.legend()
# Label with label_type 'center' instead of the default 'edge'
ax.bar_label(p1, label_type='center')
ax.bar_label(p2, label_type='center')
ax.bar_label(p2)
plt.show()
输出
一个条形子图
解释
- 前两行是模块的导入语句。
- 然后我们定义了两个图元来表示男性和女性的分布值。
- 为了划分图表，标准分值为menStd和womenStd。
- 然后每个条形图的宽度被设置为0.35。
- 我们创建plt.subplot()函数的两个对象fig和ax。
- 这个函数有一个参数figsize。它需要一个由两个元素组成的元组，描述了显示图像的分辨率**（宽度、高度）**。
- 然后我们分配两个变量p1和p2，并使用ax实例调用bar()方法。
- 然后，最后只需将标签分配给x-y轴，最后绘制。
使用子图进行分类绘图
分类数据--带标签的信息绘制也可以使用matplotlib的subplot。我们可以使用 figsize 参数，将图表分成许多部分。
例子
from matplotlib import pyplot as plt
data = {'tiger': 10, 'giraffe': 15, 'lion': 5, 'deers': 20}
names = list(data.keys())
values = list(data.values())
fig, axs = plt.subplots(1, 3, figsize=(9, 3), sharey=True)
axs[0].bar(names, values)
axs[1].scatter(names, values)
axs[2].plot(names, values)
fig.suptitle('Categorical Plotting of presence of all the animals in a zoo')
输出
各种类型的子图
解释一下
- 首先，我们创建一个包含所有键值对的字典。
- 然后我们创建一个包含所有键的列表和一个包含所有值的独立列表。
- 之后，创建一个subplots()类的简单实例。
- 为了写出必要的参数，我们首先给出1来声明行的数量。3来声明列的数量。因此，在一列上有三个图画
- 这里，figsize等于（9，3）。
- 然后，我们把每个情节放在轴上使用列表功能：
- ax[0] = 条形图
- ax[1] = 散点图
- ax[2] = 一个简单的线图
- 这些显示了一个动物园中所有动物的存在。
结论
所以，在这里我们学到了如何使用子图使事情变得更简单。使用figsize 参数可以为数据的可视化节省空间和时间。所以，我希望这是有帮助的。更多关于这个主题的内容将陆续推出。在那之前，请继续编写代码。
