Python拾遗系列:matplotlib subplot 笔记

1. 导入numpy包与matplotlib的相关包

import numpy as np 
import matplotlib.pyplot as plt

2. 构造样本数据

使用numpy库中random包的平均分布:uniform分布构造样本数据。假设这是4家公司在去年12各月份的市场增长率。

  • x: 1-12月份
  • y: 4个公司的每月的市场增长率,假设这4个公司分布称为: A公司、B公司、C公司、D公司
  • y_mean: 代表市场的每月平均增长率
x = np.arange(1,13)
y = np.random.uniform(0.,1., (4,12))
y_mean = y.mean(axis=0)

3. 布局一

  • y_mean 独占第二行
plt.figure(figsize=(8,6))
plt.subplot(3,2,1)
plt.plot(x, y[0])
plt.subplot(3,2,2)
plt.plot(x, y[1])
plt.subplot(3,1,2)
plt.plot(x,y_mean)
plt.subplot(3,2,5)
plt.plot(x, y[2])
plt.subplot(3,2,6)
plt.plot(x, y[3])

[<matplotlib.lines.Line2D at 0x25a03b89fc8>]
week5_5_1.png

4. y_mean 独占第一行

plt.figure(figsize=(8,6))
plt.subplot(3,1,1)
plt.plot(x, y_mean)
plt.subplot(3,2,3)
plt.plot(x, y[0])
plt.subplot(3,2,4)
plt.plot(x,y[1])
plt.subplot(3,2,5)
plt.plot(x, y[2])
plt.subplot(3,2,6)
plt.plot(x, y[3])
[<matplotlib.lines.Line2D at 0x25a03481b88>]
week5_7_1.png

5. y_mean独占第三行

plt.figure(figsize=(8,6))
plt.subplot(3,2,1)
plt.plot(x, y[0])
plt.subplot(3,2,2)
plt.plot(x, y[1])
plt.subplot(3,2,3)
plt.plot(x,y[2])
plt.subplot(3,2,4)
plt.plot(x, y[3])
plt.subplot(3,1,3)
plt.plot(x, y_mean)
[<matplotlib.lines.Line2D at 0x25a03588b08>]
week5_9_1.png

6. 不做合并

plt.figure(figsize=(8,6))
plt.subplot(3,2,1)
plt.plot(x, y[0])
plt.subplot(3,2,2)
plt.plot(x, y[1])
plt.subplot(3,2,3)
plt.plot(x,y[2])
plt.subplot(3,2,4)
plt.plot(x, y[3])
plt.subplot(3,2,5)
plt.plot(x, y_mean)
[<matplotlib.lines.Line2D at 0x25a04019dc8>]
week5_11_1.png

7. 总结

  • plt.subplot(row, col, location)
    row, col表示某个布局的行列,location是表示在这个布局下,图是第几个

7.1 以最简单的第6个为例

整个画布只出现了一种布局(3,2),所以排序就是1,2,3,4,5

7.2 以第3个为例

整个画布出现了两种布局(3,2), (3,1),location表示在各自的布局下所处的位置

  • y_mean:属于(3,1)布局,是在第二行出现的,每行只有一个,所以subplot:(3,1,2)
  • y[2]:属于(3,2)布局,是在第三行出现的,每行是两个,所以subplot: (3,2,5)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 218,525评论 6 507
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 93,203评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,862评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,728评论 1 294
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,743评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,590评论 1 305
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,330评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,244评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,693评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,885评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,001评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,723评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,343评论 3 330
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,919评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,042评论 1 270
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,191评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,955评论 2 355

推荐阅读更多精彩内容