matplotlib复杂子图布局

简介

matplotlib绘制的图像有不同的层级，从大到小依次是窗口、坐标系以及图像。所以，一个完整的绘图流程是，通过plt.figure生成窗口，再由窗口来添加坐标系，最后在坐标系中生成不同的图案。

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(10)
y1, y2 = np.sin(x), np.cos(x)

fig = plt.figure("subgraphs")
for i in range(2):
    ax = fig.add_subplot(1,2,i+1)
    ax.plot(x, y1)
    ax.plot(x, y2)

plt.show()

其中，fig就是一个窗口，ax是fig中的一个坐标系，其位置通过三元组来约束，例如$(1,2,1)$表示一行、两列坐标系中的第一个图像。

如果想省略窗口这一步骤，那么可以采取如下方案，首席按plt.subplot会在当前默认窗口中生成子坐标系，plt.plot会在当前默认的坐标系中绘图。

for i in range(2):
    plt.subplot(1,2,i+1)
    plt.plot(x, y1)
    plt.plot(x, y2)

plt.show()

网格布局

从add_subplot添加子图的方式可知，坐标系在填充到窗口之前，需要把窗口分成$m$行$n$列，然后再按照从左到右、从上到下的顺序排列，最后将子图放到其中的一个网格里。

这种规整的网格布局，使得批量生成子图成为可能，只需用subplots函数，就可以直接返回窗口和对应的坐标系

fig, axes = plt.subplots(2,3)
plt.show()

组合网格布局

subplot中的网格，并不是一个真实的网格，而只是一种划分地盘的方式。换言之，多个子图，可以通过不同的方式来布局。例如下面的组合

• A (1,2,1) 1行2列，第一个图，即占据整个图窗的左侧
• B (2,2,2) 2行2列，第2个图，位于图窗的右上角
• B (2,2,4) 2行2列，第4个图，位于图窗的右下角

plt.subplot(1,2,1)
plt.title("A")
plt.subplot(2,2,2)
plt.title("B")
plt.subplot(2,2,4)
plt.title("C")
plt.show()

GridSpec

对于大部分需求，组合网格已经足够强大，但组合网格没法让左侧的A图占据$\frac{2}{3}$的宽度。为了实现指定宽度的网格，需要用到GridSpec对象。

GridSpec主要输入4个参数，分别用于划分网格和指定网格尺寸。下面就实现一个可以让A图占据$\frac{2}{3}$宽度的子图

gs = plt.GridSpec(2, 2, width_ratios=[2, 1], height_ratios=[1, 1])

plt.subplot(gs[:, 0])
plt.title("A")
plt.subplot(gs[0, 1])
plt.title("B")
plt.subplot(gs[1, 1])
plt.title("C")
plt.show()

其中，width_ratios为横向的单元格宽度比例，height_ratios为纵向的单元格高度比例。由整体被划分为$2\times 2$网格，所以横向由两组单元格组成，二者宽度只比为2:1，从而实现了左侧A图占据$\frac{2}{3}$的绘图窗口，效果如下。