geekdoc-python-zh/docs/askpython/resize-plots-and-subplots.md

使用 figsize 调整 Matplotlib 中的情节和支线情节的大小

原文：https://www.askpython.com/python-modules/matplotlib/resize-plots-and-subplots

今天在这篇文章中，我们将学习使用 Matplotlib 调整剧情和支线剧情的大小。我们都知道对于数据可视化的目的，Python 是最好的选择。它有一组可以在几乎所有系统上运行的模块。所以，在这个小教程中，我们的任务是温习这方面的知识。我们开始吧！

绘图基础

绘图基本上意味着为给定的数据框形成各种图形可视化。里面有各种类型:

1. 条形图:相对于 x-y 坐标上的某个实体，每个数据项的 2D 表示。
2. 散点图:代表 x-y 轴上的数据点的小点的绘图。
3. 柱状图
4. 饼图等

数据科学和计算任务中还使用了各种其他技术。

要了解更多关于绘图的信息，请查看 Matplotlib 中关于绘图的教程。

什么是支线剧情？

子绘图是一种数据可视化的分布式技术，其中在一个图中包含几个图。这使得我们的展示更加美观，并且易于理解各种数据点以及不同实体的分布。

阅读 Matplotlib 中关于支线剧情的更多内容。

用于绘图的 Python 设置

1. 编程环境:Python 3.8.5
2. IDE: Jupyter 笔记型电脑
3. 库/包:Matplotlib，Numpy

在 Matplotlib 中创建要调整大小的地块

让我们跳转到创建几个地块，我们可以稍后调整大小。

代码:

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:

Sine Wave Plot

这只是一个简单的正弦波图，显示了时间线性增加时的幅度变化。现在，我们将看到使事情变得更简单的支线剧情。

为了练习，我留下 cos(x)和 tan(x)的代码。看看代码是否有效。

cos(x)的代码:

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:

Plot for cos(x)

tan(x)的代码:

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:

Plot for tan(x)

Matplotlib 中的图形具有预定义的大小布局。所以，当我们需要改变它们的尺寸时，那么 plot 类有一个 figure 函数。该功能负责使视图与屏幕更加相关。用户完全有权编辑图的尺寸。我们将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:

A Simple Bar Plot

说明:

1. 在这段代码中，前两行代码导入 pyplot 和 random 库。
2. 在第二行代码中，我们使用了 figure()函数。在这种情况下，figsize 参数接受绘图布局的高度和宽度的元组。
3. 这有助于我们决定自己的身高。
4. random 函数在两个列表 x，y 的每一个中插入范围从 1 到 10 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

这个库是用来在单轴或多轴上创建支线剧情的。我们可以在上面实现各种条形图。它有助于创建统计数据显示的通用布局。

使用 figsize

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:

A bar subplot

说明:

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. 划分图表的标准划分是男性和女性。
4. 那么每个条的宽度被设置为 0.35。
5. 我们创建 plt.subplot()函数的两个对象 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，只需将标签分配到 x-y 轴，最后绘制它们。

使用支线剧情的分类绘图

使用 matplotlib 的子图也可以绘制分类数据——带标签的信息。我们可以使用这里的 figsize 参数将地块分成许多部分。

举例:

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:

Subplots of various types

说明:

1. 首先，我们创建一个包含所有键值对的字典。
2. 然后我们创建一个所有键的列表和一个单独的所有值的列表。
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 .申报列数。因此，在一列中有三个图
5. 在这里，figsize 等于(9，3)。
6. 然后我们把每个图放在坐标轴上。使用列表功能，
   1. ax[0] =条形图
   2. ax[1] =散点图
   3. ax[2] =一个简单的线图
7. 这些显示了动物园中所有动物的存在。

结论

所以，在这里我们学习了如何使用支线剧情让事情变得简单。使用 figsize 参数可以节省数据可视化的空间和时间。所以，希望这有帮助。更多关于这个话题。在那之前继续编码。