使用 Figsize 调整 Matplotlib 中的图和子图的大小

作者

今天在本文中，我们将研究使用Matplotlib调整图和子图的大小。我们都知道，出于数据可视化的目的，Python 是最好的选择。它有一组几乎可以在每个系统上运行的模块。因此，在这个小教程中，我们的任务是温习相关知识。我们开工吧！

绘图基础知识

绘图基本上意味着针对给定数据框形成各种图形可视化。里面有多种类型：

  1. 条形图：每个数据项相对于 xy 尺度上某个实体的 2D 表示。
  2. 散点图：绘制代表 xy 轴上数据点的小点。
  3. 直方图
  4. 饼图等

数据科学和计算任务中还使用了各种其他技术。

要了解有关绘图的更多信息，请查看有关在 Matplotlib 中绘图的教程。

什么是次要情节？

子图是一种数据可视化的分布式技术，其中多个图包含在一个图表中。这使我们的演示更加美观，并且易于理解各种数据点以及不同实体的分布。

阅读有关Matplotlib 中子图的更多信息。

用于绘图的 Python 设置

  1. 编程环境：Python 3.8.5
  2. IDE：Jupyter 笔记本
  3. 库/包：Matplotlib、Numpy

在 Matplotlib 中创建要调整大小的绘图

让我们开始创建一些稍后可以调整大小的图。

代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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幅度的变化。现在，我们将看到使事情变得更简单的子图。

为了练习，我留下了 cos(x) 和 tan(x) 的代码。看看代码是否有效。

cos(x) 的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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：

cos(x) 绘图

tan(x) 的代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
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：

tan(x) 绘图

Matplotlib 中的图形具有预定义的尺寸布局。因此，当我们需要改变它们的大小时，绘图类有一个图形函数。该函数负责使视图与屏幕更加相关。用户拥有编辑绘图尺寸的完全权利。我们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：

简单的条形图

解释：

  1. 在此代码中，前两行代码导入 pyplot 和随机库。
  2. 在第二行代码中，我们使用figure()函数。其中，figsize 参数采用绘图布局的高度和宽度的元组。
  3. 这有助于我们决定给予多少高度。
  4. 随机函数在两个列表 x、y 中的每一个中插入 1 到 10 范围内的随机值。
  5. 然后调用 bar() 函数来创建条形图。

在 Matplotlib 中调整绘图大小

该库用于在单轴或多轴上创建子图。我们可以在其上实现各种条形图。它有助于创建统计数据呈现的通用布局。

使用无花果大小

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：

条形子图

解释：

  1. 前两行是模块的导入语句。
  2. 然后我们为男性和女性分布值定义两个元组。
  3. 为了划分图表，标准划分是 menStd 和 WomenStd。
  4. 然后将每个条形的宽度设置为 0.35。
  5. 我们通过plt.subplot()函数创建两个对象fig和ax。
  6. 该函数有一个参数Figsize。它采用两个元素的元组来描述显示图像的分辨率（宽度、高度）。
  7. 然后我们分配两个变量 p1 和 p2 并使用ax实例调用 bar() 方法。
  8. 最后将标签分配给 xy 轴并绘制它们。

使用子图进行分类绘图

分类数据 – 带标签的信息也可以使用 matplotlib 的子图进行绘制。我们可以使用figsize 这里的参数将图分成许多部分。

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：

  1. 首先，我们创建一个包含所有键值对的字典。
  2. 然后我们创建所有键的列表和所有值的单独列表。
  3. 之后创建 subplots() 类的一个简单实例。
  4. 为了编写必要的参数，我们首先给出 1 来声明行数。3 声明列数。因此，单列上有三个图
  5. 这里，figsize 等于 (9, 3)。
  6. 然后我们将每个图放置在轴上。使用列表功能，
    1. ax[0] = 条形图
    2. ax[1] = 散点图
    3. ax[2] = 简单的折线图
  7. 这些显示了动物园中所有动物的存在。

结论

因此，在这里我们学习了如何使用子图使事情变得更容易。使用Figsize参数可以节省数据可视化的空间和时间。所以，我希望这会有所帮助。关于这个话题还有更多内容。直到那时继续编码。