多图合并multi ############# subplot()命令指定numrow, numcol, fignum范围从1到numrows numcols:: import numpy as np import matplotlib.pyplot as plt def f(t): return np.exp(-t) * np.cos(2*np.pi*t) t1 = np.arange(0.0, 5.0, 0.1) t2 = np.arange(0.0, 5.0, 0.02) plt.subplot(221) # 等同于: plt.subplot(2,2,1) plt.plot(t1, f(t1), 'bo', t2, f(t2)) plt.subplot(222) plt.plot(t2, np.cos(2*np.pi*t2)) plt.show() 双y轴绘制-关键函数：twinx():: # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt from matplotlib import rc %matplotlib inline rc('mathtext', default='regular') time = np.arange(10) temp = np.random.random(10)*30 Swdown = np.random.random(10)*100-10 Rn = np.random.random(10)*100-10 fig = plt.figure() ax = fig.add_subplot(111) ax.plot(time, Swdown, '-', label = 'Swdown') ax.plot(time, Rn, '-', label = 'Rn') ax2 = ax.twinx() ax2.plot(time, temp, '-r', label = 'temp') ax.legend(loc=2) ax.grid() ax.set_xlabel("Time (h)") ax.set_ylabel(r"Radiation ($MJ\,m^{-2}\,d^{-1}$)") ax2.set_ylabel(r"Temperature ($^\circ$C)") ax2.set_ylim(0, 35) ax.set_ylim(-20,100) ax2.legend(loc=0) plt.savefig('0.png') 合并图例 ======== 仅使用一个轴的legend()函数:: # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt from matplotlib import rc rc('mathtext', default='regular') time = np.arange(10) temp = np.random.random(10)*30 Swdown = np.random.random(10)*100-10 Rn = np.random.random(10)*100-10 fig = plt.figure() ax = fig.add_subplot(111) lns1 = ax.plot(time, Swdown, '-', label = 'Swdown') lns2 = ax.plot(time, Rn, '-', label = 'Rn') ax2 = ax.twinx() lns3 = ax2.plot(time, temp, '-r', label = 'temp') # added these three lines lns = lns1+lns2+lns3 labs = [l.get_label() for l in lns] ax.legend(lns, labs, loc=0) ax.grid() ax.set_xlabel("Time (h)") ax.set_ylabel(r"Radiation ($MJ\,m^{-2}\,d^{-1}$)") ax2.set_ylabel(r"Temperature ($^\circ$C)") ax2.set_ylim(0, 35) ax.set_ylim(-20,100) plt.savefig('0.png') 使用figure.legend():: # -*- coding: utf-8 -*- import numpy as np import matplotlib.pyplot as plt x = np.linspace(0,10) y = np.linspace(0,10) z = np.sin(x/3)**2*98 fig = plt.figure() ax = fig.add_subplot(111) ax.plot(x,y, '-', label = 'Quantity 1') ax2 = ax.twinx() ax2.plot(x,z, '-r', label = 'Quantity 2') fig.legend(loc=1, bbox_to_anchor=(1,1), bbox_transform=ax.transAxes) ax.set_xlabel("x [units]") ax.set_ylabel(r"Quantity 1") ax2.set_ylabel(r"Quantity 2") plt.savefig('0.png') matplotlib绘制多个图形单独显示 ============================== :: import numpy as np import matplotlib.pyplot as plt %matplotlib inline #创建自变量数组 x= np.linspace(0,2*np.pi,500) #创建函数值数组 y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x*x) #创建图形 plt.figure(1) ''' 意思是在一个2行2列共4个子图的图中，定位第1个图来进行操作（画图）。 最后面那个1表示第1个子图。那个数字的变化来定位不同的子图 ''' #第一行第一列图形 ax1 = plt.subplot(2,2,1) #第一行第二列图形 ax2 = plt.subplot(2,2,2) #第二行 ax3 = plt.subplot(2,1,2) #选择ax1 plt.sca(ax1) #绘制红色曲线 plt.plot(x,y1,color='red') #限制y坐标轴范围 plt.ylim(-1.2,1.2) #选择ax2 plt.sca(ax2) #绘制蓝色曲线 plt.plot(x,y2,'b--') plt.ylim(-1.2,1.2) #选择ax3 plt.sca(ax3) plt.plot(x,y3,'g--') plt.ylim(-1.2,1.2) plt.show() figure图的嵌套 ============== :: import matplotlib.pyplot as plt # 定义figure fig = plt.figure() # 定义数据 x = [1, 2, 3, 4, 5, 6, 7] y = [1, 3, 4, 2, 5, 8, 6] # figure的百分比, 从figure 10%的位置开始绘制, 宽高是figure的80% left, bottom, width, height = 0.1, 0.1, 0.8, 0.8 # 获得绘制的句柄 ax1 = fig.add_axes([left, bottom, width, height]) # 绘制点(x,y) ax1.plot(x, y, 'r') ax1.set_xlabel('x') ax1.set_ylabel('y') ax1.set_title('test') # 嵌套方法一 # figure的百分比, 从figure 10%的位置开始绘制, 宽高是figure的80% left, bottom, width, height = 0.2, 0.6, 0.25, 0.25 # 获得绘制的句柄 ax2 = fig.add_axes([left, bottom, width, height]) # 绘制点(x,y) ax2.plot(x, y, 'r') ax2.set_xlabel('x') ax2.set_ylabel('y') ax2.set_title('part1') # 嵌套方法二 plt.axes([bottom, left, width, height]) plt.plot(x, y, 'r') plt.xlabel('x') plt.ylabel('y') plt.title('part2') plt.show() 多图布局,分格显示 ================= 通过subplot2grid实现:: import numpy as np import matplotlib.pyplot as plt plt.figure() # 通过栅格的形式创建布局方式,(3,3)创建3x3的布局形式，(0,0)绘制的位置，0行0列的位置绘制 # colspan:表示跨几列 rowspan:表示跨几行 ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3) # 在ax1图中绘制一条坐标(1,1)到坐标(2,2)的线段 ax1.plot([1, 2], [1, 2]) # 设置ax1的标题 现在xlim、ylim、xlabel、ylabel等所有属性现在只能通过set_属性名的方法设置 ax1.set_title('ax1_title') # 设置小图的标题 ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2) ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2) ax4 = plt.subplot2grid((3, 3), (2, 0)) ax5 = plt.subplot2grid((3, 3), (2, 1)) # 给对应的图绘制内容，这里只给ax4图绘制，属性通过set_xxx的模式设置 ax4.scatter([1, 2], [2, 2]) ax4.set_xlabel('ax4_x') ax4.set_ylabel('ax4_y') plt.show() 通过gridspec实现(实现和上面同样的效果):: import numpy as np import matplotlib.pyplot as plt # 需要导入该模块 import matplotlib.gridspec as gridspec plt.figure() # 将整个视图分成3x3布局 gs = gridspec.GridSpec(3, 3) # gs[0,:] 指定画图的位置 前面指定该图所占的行范围0表示0行，1: 表示从第一行到最后一行 # 第二个参数指定列的范围一个数表示固定列数，x:y表示从x列到y列 ax6 = plt.subplot(gs[0, :]) ax6.plot((0,1),(0,1)) # 第一行，从0列开始到2列，不包括2，也就是占0、1两列 ax7 = plt.subplot(gs[1, :2]) # 从第一行到最后，占1、2两行，后面的2表示只占用第二列，也就是最后的一列 ax8 = plt.subplot(gs[1:, 2]) # 倒数第一行，只占第0列这一列 ax9 = plt.subplot(gs[-1, 0]) # 倒数第一行，只占倒数第二列，由于总共三列，所以倒数第二列就是序号1的列 ax10 = plt.subplot(gs[-1, -2]) plt.show() 通过subplots实现:: import numpy as np import matplotlib.pyplot as plt # 这种方法只适合列数相同的布局 # sharex:所有小图共享x轴 sharey:表示所有小图共享y轴 坐标轴以所有小图中范围最大的进行显示 f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True) ax11.scatter([1,2], [1,2]) ax12.plot((1,4),(1,4)) # 紧凑显示，边框会比较小，可以注释掉该行查看效果 plt.tight_layout() plt.show()