Matplotlib的可以把很多張圖畫到一個(gè)顯示界面,這就設(shè)計(jì)到面板切分成一個(gè)一個(gè)子圖,下面這篇文章主要給大家介紹了關(guān)于調(diào)整Matplotlib子圖大小的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下

問題

我相信，看到這篇博客的人，你肯定已經(jīng)會使用Matplotlib中的pyplot畫圖。

比如下面這種圖

你也應(yīng)該會調(diào)整單個(gè)圖的大小了，就是使用如下語句控制單個(gè)圖形figure的大小，比如我這里設(shè)的8*6的。

fig3 = plt.figure(figsize=(8,6))

但隨著繼續(xù)深入的學(xué)習(xí)，有時(shí)我們很有必要將兩個(gè)圖畫在一起，來做對比，所以你也應(yīng)該會在一個(gè)畫布上畫多個(gè)子圖了。比如下圖

即是通過subplot實(shí)現(xiàn)

#展示一下數(shù)據(jù)
fig = plt.figure(figsize=(15,7))
 
fig1 = plt.subplot(231)
plt.scatter(data.loc[:,'Avg. Area Income'],data.loc[:,'Price'])
plt.title('Income VS Price')
 
fig2 = plt.subplot(232)
plt.scatter(data.loc[:,'Avg. Area House Age'],data.loc[:,'Price'])
plt.title('Age VS Price')
 
fig3 = plt.subplot(233)
plt.scatter(data.loc[:,'Avg. Area Number of Rooms'],data.loc[:,'Price'])
plt.title('Number VS Price')
 
fig4 = plt.subplot(234)
plt.scatter(data.loc[:,'Area Population'],data.loc[:,'Price'])
plt.title('Population VS Price')
 
fig5 = plt.subplot(235)
plt.scatter(data.loc[:,'size'],data.loc[:,'Price'])
plt.title('size VS Price')
plt.show()

目前為止圖好像沒有問題，那問題在哪呢？就是在子圖比較少的時(shí)候，整個(gè)圖可能會變形，出現(xiàn)下圖情況。

這顯然不是我們期望的，我們希望他不要拉長。但是貌似直接通過subplot畫出的子圖無法更改大小，網(wǎng)上給的一些方案也比較麻煩。

簡便的解決方法

把這兩個(gè)子圖畫在同一個(gè)畫布里，這樣即是子圖無法改變，但是外面的畫布大小可以改變，子圖就可以根據(jù)外面畫布大小自適應(yīng)的顯示了。

對于該圖

其原始代碼為

fig6 = plt.subplot(121)
label0 = plt.scatter(X.loc[:,'V1'][y_corrected==0],X.loc[:,'V2'][y_corrected==0])
label1 = plt.scatter(X.loc[:,'V1'][y_corrected==1],X.loc[:,'V2'][y_corrected==1])
label2 = plt.scatter(X.loc[:,'V1'][y_corrected==2],X.loc[:,'V2'][y_corrected==2])
 
plt.title("corrected data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
 
fig7 = plt.subplot(122)
label0 = plt.scatter(X.loc[:,'V1'][y==0],X.loc[:,'V2'][y==0])
label1 = plt.scatter(X.loc[:,'V1'][y==1],X.loc[:,'V2'][y==1])
label2 = plt.scatter(X.loc[:,'V1'][y==2],X.loc[:,'V2'][y==2])
 
plt.title("labled data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
plt.show()

可以看到兩個(gè)子圖fig6和fig7都是直接使用subplot得到的，所以它變形了。

修改后應(yīng)該是這樣的：

對應(yīng)代碼：

fig = plt.figure(figsize=(11,4))
fig6 = plt.subplot(121)
label0 = plt.scatter(X.loc[:,'V1'][y_corrected==0],X.loc[:,'V2'][y_corrected==0])
label1 = plt.scatter(X.loc[:,'V1'][y_corrected==1],X.loc[:,'V2'][y_corrected==1])
label2 = plt.scatter(X.loc[:,'V1'][y_corrected==2],X.loc[:,'V2'][y_corrected==2])
 
plt.title("corrected data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
 
fig7 = plt.subplot(122)
label0 = plt.scatter(X.loc[:,'V1'][y==0],X.loc[:,'V2'][y==0])
label1 = plt.scatter(X.loc[:,'V1'][y==1],X.loc[:,'V2'][y==1])
label2 = plt.scatter(X.loc[:,'V1'][y==2],X.loc[:,'V2'][y==2])
 
plt.title("labled data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
plt.show()

相比原來的代碼就多了第一行的操作，定一個(gè)合適畫布的大小就可以方便動態(tài)調(diào)整子圖了。