matplotlib 进阶之Customizing Figure Layouts Using GridSpec and Other Functions

本文主要是介绍matplotlib 进阶之Customizing Figure Layouts Using GridSpec and Other Functions，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

文章目录

- 对Gridspec的一些精细的调整
- 利用SubplotSpec
- - fig.add_grdispec; gs.subgridspec
- 一个利用Subplotspec的复杂例子
- 函数链接

matplotlib教程学习笔记

如何创建网格形式的axes的组合呢：

subplots()
GridSpec
SubplotSpec
subplot2grid()

import matplotlib
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

第一个例子是利用subplots()和gridspec来创建一个 $2\times 2$ 的网格
首先利用subplots()是很容易做到这一点的：

fig1, fi_axes = plt.subplots(ncols=2, nrows=2, constrained_layout=True) #constrain_layout参数似乎是控制是否会重叠的

在这里插入图片描述

使用gridspec需要先创建一个fig对象，再创建Gridspec对象，然后将实例传入add_subplot()，gridspec的使用习惯和numpy数组是相当的

fig2 = plt.figure(constrained_layout=True)
spec2 = gridspec.GridSpec(ncols=2, nrows=2, figure=fig2)
f2_ax1 = fig2.add_subplot(spec2[0, 0])
f2_ax2 = fig2.add_subplot(spec2[0, 1])
f2_ax3 = fig2.add_subplot(spec2[1, 0])
f2_ax4 = fig2.add_subplot(spec2[1, 1])

在这里插入图片描述

gridspec有什么厉害的地方呢，我们可以通过索引和切片操作，使得某些axes占据多个格子

fig3 = plt.figure(constrained_layout=True)
gs = fig3.add_gridspec(3, 3)
f3_ax1 = fig3.add_subplot(gs[0, :])
f3_ax1.set_title('gs[0, :]')
f3_ax2 = fig3.add_subplot(gs[1, :-1])
f3_ax2.set_title('gs[1, :-1]')
f3_ax3 = fig3.add_subplot(gs[1:, -1])
f3_ax3.set_title('gs[1:, -1]')
f3_ax4 = fig3.add_subplot(gs[-1, 0])
f3_ax4.set_title('gs[-1, 0]')
f3_ax5 = fig3.add_subplot(gs[-1, -2])
f3_ax5.set_title('gs[-1, -2]');

在这里插入图片描述

fig4 = plt.figure(constrained_layout=True)
spec4 = fig4.add_gridspec(ncols=2, nrows=2)
anno_opts = dict(xy=(0.3, 0.3), xycoords='axes fraction',va='center', ha='center')f4_ax1 = fig4.add_subplot(spec4[0, 0])
f4_ax1.annotate('GridSpec[0, 0]', **anno_opts)
fig4.add_subplot(spec4[0, 1]).annotate('GridSpec[0, 1:]', **anno_opts)
fig4.add_subplot(spec4[1, 0]).annotate('GridSpec[1:, 0]', **anno_opts)
fig4.add_subplot(spec4[1, 1]).annotate('GridSpec[1:, 1:]', **anno_opts);

在这里插入图片描述

另外的，width_ratios和height_ratios参数，参数需要传入一个装有数字，比如[2, 4, 8]和
[1, 2, 4]，不过这俩个表示的含义是一样的，因为参数关系的他们之间的比例：
2：4：8与1：2：4是一致的。

fig5 = plt.figure(constrained_layout=True)
widths = [2, 3, 1.5]
heights = [1, 3, 2]
spec5 = fig5.add_gridspec(ncols=3, nrows=3, width_ratios=widths,height_ratios=heights)
for row in range(3):for col in range(3):ax = fig5.add_subplot(spec5[row, col])label = 'Width: {}\nHeight: {}'.format(widths[col], heights[row])ax.annotate(label, (0.1, 0.5), xycoords='axes fraction', va='center')

在这里插入图片描述

事实上，width_ratio参数和height_ratio参数对于subplots()是十分便利的一个工具，subplots()有一个gridspec_kw参数，事实上，借此我们可以将传入gridspec的参数传入subplots()，具体形式如下：

gs_kw = dict(width_ratios=widths, height_ratios=heights)
fig6, f6_axes = plt.subplots(ncols=3, nrows=3, constrained_layout=True,gridspec_kw=gs_kw)
for r, row in enumerate(f6_axes):for c, ax in enumerate(row):label = 'Width: {}\nHeight: {}'.format(widths[c], heights[r])ax.annotate(label, (0.1, 0.5), xycoords='axes fraction', va='center')

在这里插入图片描述

subplots和gridspec二者可以结合，比如，我们可以通过subplots先创建大部分的axes，再利用gridspec组合某些部分，当然，这可能需要利用到
get_gridspec方法和remove方法

fig7, f7_axs = plt.subplots(ncols=3, nrows=3)
gs = f7_axs[1, 2].get_gridspec()
# remove the underlying axes
for ax in f7_axs[1:, -1]:ax.remove()
axbig = fig7.add_subplot(gs[1:, -1])
axbig.annotate('Big Axes \nGridSpec[1:, -1]', (0.1, 0.5),xycoords='axes fraction', va='center')fig7.tight_layout();

在这里插入图片描述

对Gridspec的一些精细的调整

当gridspec被显示使用的时候，我们可以通过一些参数来进行细微的调整，注意这个选择与constrained_layout或者figure.tight_layout是有冲突的

left : axes左边缘距离画板左侧的距离

right: axes右边缘距离画板左侧的距离

top : axes上边缘距离画板下侧的距离

bottom : axes下边缘距离画板下侧的距离

hspace: 预留给subplots之间的高度的距离

wspace: 预留给subplots之间的宽度的距离

fig8 = plt.figure(constrained_layout=False) #注意设置为False否则会冲突
gs1 = fig8.add_gridspec(nrows=3, ncols=3, right=0.88, wspace=0.05)
f8_ax1 = fig8.add_subplot(gs1[:-1, :])
f8_ax2 = fig8.add_subplot(gs1[-1, :-1])
f8_ax3 = fig8.add_subplot(gs1[-1, -1])

在这里插入图片描述
这些细微的调整只对由gridspec创建的格子有效

fig9 = plt.figure(constrained_layout=False)
gs1 = fig9.add_gridspec(nrows=3, ncols=3, left=0.05, right=0.48,wspace=0.05)
f9_ax1 = fig9.add_subplot(gs1[:-1, :])
f9_ax2 = fig9.add_subplot(gs1[-1, :-1])
f9_ax3 = fig9.add_subplot(gs1[-1, -1])gs2 = fig9.add_gridspec(nrows=3, ncols=3, left=0.55, right=0.98,hspace=0.05)
f9_ax4 = fig9.add_subplot(gs2[:, :-1])
f9_ax5 = fig9.add_subplot(gs2[:-1, -1])
f9_ax6 = fig9.add_subplot(gs2[-1, -1])

在这里插入图片描述

利用SubplotSpec

fig.add_grdispec; gs.subgridspec

fig10 = plt.figure(constrained_layout=True)
gs0 = fig10.add_gridspec(1, 2)gs00 = gs0[0].subgridspec(2, 3)
gs01 = gs0[1].subgridspec(3, 2)for a in range(2):for b in range(3):fig10.add_subplot(gs00[a, b])fig10.add_subplot(gs01[b, a])

在这里插入图片描述

一个利用Subplotspec的复杂例子

import numpy as np
from itertools import productdef squiggle_xy(a, b, c, d, i=np.arange(0.0, 2*np.pi, 0.05)):return np.sin(i*a)*np.cos(i*b), np.sin(i*c)*np.cos(i*d)fig11 = plt.figure(figsize=(8, 8), constrained_layout=False)# gridspec inside gridspec
outer_grid = fig11.add_gridspec(4, 4, wspace=0.0, hspace=0.0) #4 x 4个大格子for i in range(16):inner_grid = outer_grid[i].subgridspec(3, 3, wspace=0.0, hspace=0.0) #3 x 3个小格子a, b = int(i/4)+1, i % 4+1for j, (c, d) in enumerate(product(range(1, 4), repeat=2)):ax = plt.Subplot(fig11, inner_grid[j])ax.plot(*squiggle_xy(a, b, c, d))ax.set_xticks([])ax.set_yticks([])fig11.add_subplot(ax)all_axes = fig11.get_axes()# show only the outside spines
# 之显示每个大格子外面的边框，小格子的边框就不显示
for ax in all_axes:for sp in ax.spines.values():sp.set_visible(False)if ax.is_first_row():ax.spines['top'].set_visible(True)if ax.is_last_row():ax.spines['bottom'].set_visible(True)if ax.is_first_col():ax.spines['left'].set_visible(True)if ax.is_last_col():ax.spines['right'].set_visible(True)plt.show()

在这里插入图片描述