到目前为止 你已经见过并使用 matplotlib 和 seaborn 练习过一些基本绘制函数。上个页面介绍了新的知识 通过 matplotlib 的 subplot() 函数创建两个并排显示的图表。如果你对该函数或 figure() 函数的原理有任何疑问 请继续阅读。此页面将使用 matplotlib 讨论可视化的基本结构 以及子图表在该结构下的工作原理。
matplotlib 中的可视化基本结构是 Figure 对象。每个 Figure 中将包含一个或多个 Axes 对象 每个 Axes 对象包含多个表示每个图表的其他元素。在最早的示例中 我们隐式地创建了这些对象。假设我们在 Jupyter notebook 中运行了以下表达式 从而创建一个直方图
plt.hist(data df, x num_var )
由于没有要在其中绘制图表的 Figure 区域 所以 Python 首先创建一个 Figure 对象。因为 Figure 没有以任何 Axes 开始来绘制直方图 所以在 Figure 里创建了一个 Axes 对象。最后 在该 Axes 中绘制直方图。
有必要了解这种对象层次结构 这样才能够更好地控制图表的布局和外观。对于上面的直方图 还有一种替代创建方式 即如下所示地显式设置 Figure 和 Axes
fig plt.figure() ax fig.add_axes([.125, .125, .775, .755]) ax.hist(data df, x num_var )
figure() 会创建一个新的 Figure 对象 我们将对它的引用存储在了变量 fig 中。其中一个 Figure 方法是 .add_axes() 它会在 Figure 中创建新的 Axes 对象。该方法需要一个列表参数 用于指定 Axes 的维度 列表中的前两个元素表示 Axes 的左下角位置 即 Figure 的左下角象限 后两个元素分别指定了 Axes 宽度和高度。我们用变量 ax 引用 Axes。最后 我们像之前使用 plt.hist() 一样使用 Axes 方法 [.hist()]
要在 seaborn 中使用 Axes 对象 seaborn 函数通常使用“ax”参数指定要在哪个 Axes 上绘制图表。
fig plt.figure() ax fig.add_axes([.125, .125, .775, .755]) base_color sb.color_palette()[0] sb.countplot(data df, x cat_var , color base_color, ax ax)
在上述两种情形中 没必要明确地执行 Figure 和 Axes 创建步骤。在大多数情形下 可以直接原封不动地使用基本 matplotlib 和 seaborn 函数。每个函数都定位到一个 Figure 或 Axes 它们将自动定位到处理的最近一个 Figure 或 Axes。例如 我们详细了解下“直方图”页面是如何使用 subplot() 的
plt.figure(figsize [10, 5]) # larger figure size for subplots # example of somewhat too-large bin size plt.subplot(1, 2, 1) # 1 row, 2 cols, subplot 1 bin_edges np.arange(0, df[ num_var ].max() 4, 4) plt.hist(data df, x num_var , bins bin_edges) # example of somewhat too-small bin size plt.subplot(1, 2, 2) # 1 row, 2 cols, subplot 2 bin_edges np.arange(0, df[ num_var ].max() 1/4, 1/4) plt.hist(data df, x num_var , bins bin_edges)
首先 plt.figure(figsize [10, 5]) 会创建一个新的 Figure 并使用“figsize”参数将总体图表的宽和高分别设为 10 英寸和 5 英寸。虽然没有分配任何变量来返回函数输出 但是 Python 将隐式地知道后续需要 Figure 的图表调用将引用该 Figure。
然后 plt.subplot(1, 2, 1) 在 Figure 中创建一个新的 Axes 大小由 subplot() 函数参数确定。前两个参数要求将图表划分成一行两列 第三个参数要求在第一个槽位中创建一个新的 Axes。槽位从左到右并从上到下编号。注意 索引编号从 1 开始 而 Python 的索引编号通常从 0 开始 。 在此页面结束时 你将更清晰地了解索引知识 。Python 会隐式地将 Axes 设为当前 Axes 所以出现 plt.hist() 调用时 直方图画在左侧子图表中。
最后 plt.subplot(1, 2, 2) 会在第二个子图表槽位中创建一个新的 Axes 并将它设为当前 Axes。所以 第二次调用 plt.hist() 时 直方图画在右侧子图表中。
其他技巧在结束之前 我们快速讲解下处理 Axes 和子图表的其他几种方式。上述技巧足以帮助你创建基本图表了 但是建议你记住以下技巧 以备不时之需。
如果在创建 Axes 对象后不分配它们 可以使用 ax plt.gca() 检索当前 Axes 或者使用 axes fig.get_axes() 获取 Figure fig 中的所有 Axes 列表。要创建子图表 可以像使用上述 plt.subplot() 一样使用 fig.add_subplot()。如果你已经知道你将创建大量子图表 可以使用 plt.subplots() 函数
fig, axes plt.subplots(3, 4) # grid of 3x4 subplots axes axes.flatten() # reshape from 3x4 array into 12-element vector for i in range(12): plt.sca(axes[i]) # set the current Axes plt.text(0.5, 0.5, i 1) # print conventional subplot index number to middle of Axes
需要特别注意的是 默认情况下 每个 Axes 的限制范围是 [0,1] 如果我们通过 subplot() 创建子图表的话 我们会使迭代器计数器 i 加 1 从而获得子图表的索引。 参考资料 plt.sca()、plt.text()
