当前位置： 首页 > news >正文

Python Matplotlib 布局

news 2025/9/18 14:11:45

Python Matplotlib 布局

flyfish

gridspec.GridSpec 是 Matplotlib 中用于灵活布局子图的工具，特别适合创建非均匀分布的子图（如不同大小、不同比例的子图组合）。相比普通的 plt.subplots()（仅支持规则网格），GridSpec 能实现更复杂的布局，例如“一个大子图+多个小子图”“不同行高/列宽的子图”等。

一、概念

GridSpec 的本质是在画布（Figure）上划分一个“虚拟网格”，通过指定网格的行数、列数以及行高/列宽比例，来精确控制子图的位置和大小。

  • 网格划分：将画布想象成一个网格，GridSpec(nrows, ncols) 定义网格的行数和列数。
  • 子图定位：通过网格的索引（如 gs[0]、gs[1:3]）指定子图占据的网格区域。
  • 比例控制：通过 height_ratios（行高比例）和 width_ratios（列宽比例）设置不同行/列的相对大小。

二、基础用法：创建非均匀子图

1. 安装与导入
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import gridspec  # 导入GridSpec# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
2. 最简单的GridSpec示例（2行1列，不同高度）
# 创建画布
fig = plt.figure(figsize=(8, 6))  # 宽8英寸，高6英寸# 定义GridSpec：2行1列，行高比例为3:1（第一行高度是第二行的3倍）
gs = gridspec.GridSpec(nrows=2, ncols=1, height_ratios=[3, 1])# 添加子图：通过索引指定子图位置
ax1 = fig.add_subplot(gs[0])  # 第一行（索引0）
ax2 = fig.add_subplot(gs[1])  # 第二行（索引1）# 填充数据
x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), color='blue')
ax1.set_title('主图（占3/4高度）')ax2.plot(x, np.cos(x), color='red')
ax2.set_title('副图（占1/4高度）')# 调整布局避免重叠
plt.tight_layout()
plt.show()

效果：画布被分为上下两部分，上方子图高度是下方的3倍，分别显示正弦和余弦曲线。

三、关键参数：控制行高与列宽

GridSpec 的核心参数是 height_ratios（行高比例）和 width_ratios（列宽比例），用于设置非均匀大小。

示例：3列不同宽度的子图
fig = plt.figure(figsize=(10, 4))# 定义GridSpec：1行3列，列宽比例为1:2:1（中间列宽度是两侧的2倍）
gs = gridspec.GridSpec(nrows=1, ncols=3, width_ratios=[1, 2, 1])# 添加3个子图
ax1 = fig.add_subplot(gs[0])  # 第一列
ax2 = fig.add_subplot(gs[1])  # 第二列（最宽）
ax3 = fig.add_subplot(gs[2])  # 第三列# 填充数据
ax1.bar(['A', 'B'], [3, 5], color='green')
ax1.set_title('列1（宽1份）')ax2.scatter(np.random.rand(50), np.random.rand(50), color='orange')
ax2.set_title('列2（宽2份）')ax3.pie([1, 2, 3], labels=['X', 'Y', 'Z'], autopct='%1.1f%%')
ax3.set_title('列3（宽1份）')plt.tight_layout()
plt.show()

效果：一行三列的子图，中间子图宽度是左右两侧的2倍，适合突出中间内容。

四、进阶：子图跨多行/多列

通过索引切片（如 gs[0:2, 0]）可以让子图占据多个行或列，实现“合并单元格”的效果。

示例：复杂布局（大子图+多个小子图）
fig = plt.figure(figsize=(10, 8))# 定义GridSpec：3行3列
# 行高比例：2:1:1（第一行最高）
# 列宽比例：1:2:1（中间列最宽）
gs = gridspec.GridSpec(nrows=3, ncols=3,height_ratios=[2, 1, 1],width_ratios=[1, 2, 1]
)# 子图1：占据第1行的所有3列（0:3表示第0到2列）
ax1 = fig.add_subplot(gs[0, 0:3])
ax1.plot(np.linspace(0, 10, 100), np.sin(np.linspace(0, 10, 100)))
ax1.set_title('第1行（跨3列）')# 子图2：占据第2-3行的第1列（0列）
ax2 = fig.add_subplot(gs[1:3, 0])  # 1:3表示第1-2行（共2行）
ax2.barh(['A', 'B', 'C'], [10, 20, 15], color='purple')
ax2.set_title('第2-3行（第1列）')# 子图3：占据第2行的第2-3列
ax3 = fig.add_subplot(gs[1, 1:3])
ax3.scatter(np.random.rand(30), np.random.rand(30), color='red')
ax3.set_title('第2行（第2-3列）')# 子图4：占据第3行的第2列
ax4 = fig.add_subplot(gs[2, 1])
ax4.pie([40, 60], labels=['成功', '失败'], autopct='%1.1f%%')
ax4.set_title('第3行（第2列）')# 子图5：占据第3行的第3列
ax5 = fig.add_subplot(gs[2, 2])
ax5.hist(np.random.randn(100), bins=10, color='green', alpha=0.7)
ax5.set_title('第3行（第3列）')plt.tight_layout()
plt.show()

效果：整个画布被划分为3x3的虚拟网格，5个子图分别占据不同的网格区域，形成“顶部大标题图+左侧竖图+右侧多张小图”的复杂布局。

五、GridSpec vs plt.subplots：适用场景对比

工具优势适用场景
plt.subplots(nrows, ncols)语法简单，适合规则网格（如2x2、3x1）子图大小相同、排列整齐的情况
gridspec.GridSpec支持非均匀比例、跨行列布局子图大小不同、需要突出重点内容的复杂布局

步骤：

  1. 用 gridspec.GridSpec(nrows, ncols) 定义虚拟网格的行数和列数；
  2. 通过 height_ratios 和 width_ratios 控制行高和列宽比例；
  3. 用索引或切片（如 gs[0]、gs[1:3, 0]）指定子图占据的区域；
  4. 用 fig.add_subplot(gs[...]) 添加子图并绘图。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

# 导入必要库
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import gridspec# 全局配置：解决中文显示与负号问题
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
np.random.seed(42)  # 固定随机种子，确保结果可复现# -------------------------- 1. 基础：非均匀行高（2行1列，3:1比例）--------------------------
def plot_grid_height_ratio():# 1. 创建画布fig = plt.figure(figsize=(8, 6))  # 宽8，高6英寸# 2. 定义GridSpec：2行1列，行高比例3:1gs = gridspec.GridSpec(nrows=2,  # 行数ncols=1,  # 列数height_ratios=[3, 1],  # 第一行高度是第二行的3倍hspace=0.3  # 行间距（可选，避免子图标题重叠）)# 3. 添加子图（通过GridSpec索引定位）ax1 = fig.add_subplot(gs[0])  # 占据第1行（索引0）ax2 = fig.add_subplot(gs[1])  # 占据第2行（索引1）# 4. 填充数据与样式设置x = np.linspace(0, 10, 100)# 子图1：正弦曲线ax1.plot(x, np.sin(x), color='#1f77b4', linewidth=2)ax1.set_title('主图：正弦曲线（占3/4高度）', fontsize=13)ax1.set_xlabel('x轴', fontsize=11)ax1.set_ylabel('sin(x)', fontsize=11)ax1.grid(alpha=0.3)# 子图2：余弦曲线ax2.plot(x, np.cos(x), color='#ff7f0e', linewidth=2)ax2.set_title('副图：余弦曲线（占1/4高度）', fontsize=13)ax2.set_xlabel('x轴', fontsize=11)ax2.set_ylabel('cos(x)', fontsize=11)ax2.grid(alpha=0.3)# 5. 调整布局并保存为JPGplt.tight_layout()plt.savefig('grid_height_ratio.jpg', dpi=300, bbox_inches='tight', format='jpg')plt.close()  # 关闭画布释放内存print("1. 非均匀行高布局图已保存：grid_height_ratio.jpg")# -------------------------- 2. 基础：非均匀列宽（1行3列，1:2:1比例）--------------------------
def plot_grid_width_ratio():# 1. 创建画布fig = plt.figure(figsize=(12, 4))  # 宽12，高4英寸# 2. 定义GridSpec：1行3列，列宽比例1:2:1gs = gridspec.GridSpec(nrows=1,ncols=3,width_ratios=[1, 2, 1],  # 中间列宽度是两侧的2倍wspace=0.3  # 列间距（可选）)# 3. 添加子图ax1 = fig.add_subplot(gs[0])  # 第1列ax2 = fig.add_subplot(gs[1])  # 第2列（最宽）ax3 = fig.add_subplot(gs[2])  # 第3列# 4. 填充数据与样式# 子图1：柱状图categories = ['A', 'B', 'C']ax1.bar(categories, [5, 8, 3], color='#2ca02c', alpha=0.8)ax1.set_title('列1：类别对比（1份宽）', fontsize=12)ax1.set_ylabel('数值', fontsize=10)ax1.grid(axis='y', alpha=0.3)# 子图2：散点图（突出显示）x_scatter = np.random.randn(100)y_scatter = 2 * x_scatter + np.random.randn(100) * 0.5ax2.scatter(x_scatter, y_scatter, color='#d62728', alpha=0.6)ax2.set_title('列2：相关性散点图（2份宽）', fontsize=12)ax2.set_xlabel('x', fontsize=10)ax2.set_ylabel('y', fontsize=10)ax2.grid(alpha=0.3)# 子图3：饼图pie_data = [30, 50, 20]ax3.pie(pie_data, labels=['甲', '乙', '丙'], autopct='%1.1f%%', colors=['#9467bd', '#8c564b', '#e377c2'])ax3.set_title('列3：占比分布（1份宽）', fontsize=12)ax3.axis('equal')  # 确保饼图为圆形# 5. 保存图片plt.tight_layout()plt.savefig('grid_width_ratio.jpg', dpi=300, bbox_inches='tight', format='jpg')plt.close()print("2. 非均匀列宽布局图已保存：grid_width_ratio.jpg")# -------------------------- 3. 进阶：子图跨多行多列（3x3网格复杂布局）--------------------------
def plot_grid_span_rows_cols():# 1. 创建画布fig = plt.figure(figsize=(12, 10))  # 宽12，高10英寸（适合复杂布局）# 2. 定义GridSpec：3行3列，行高比例2:1:1，列宽比例1:2:1gs = gridspec.GridSpec(nrows=3,ncols=3,height_ratios=[2, 1, 1],  # 第1行最高，占2份width_ratios=[1, 2, 1],   # 第2列最宽，占2份hspace=0.3,  # 行间距wspace=0.3   # 列间距)# 3. 添加子图（通过切片实现跨行列）# 子图1：跨第1行所有3列（行索引0，列索引0-2）ax1 = fig.add_subplot(gs[0, :])  # ":" 表示所有列# 子图2：跨第2-3行的第1列（行索引1-2，列索引0）ax2 = fig.add_subplot(gs[1:, 0])  # "1:" 表示第1行及以下# 子图3：跨第2行的第2-3列（行索引1，列索引1-2）ax3 = fig.add_subplot(gs[1, 1:])# 子图4：第3行第2列（行索引2，列索引1）ax4 = fig.add_subplot(gs[2, 1])# 子图5：第3行第3列（行索引2，列索引2）ax5 = fig.add_subplot(gs[2, 2])# 4. 填充数据与样式x = np.linspace(0, 10, 100)# 子图1：顶部大标题图（折线图）ax1.plot(x, np.sin(x), label='sin(x)', color='#1f77b4', linewidth=2)ax1.plot(x, np.cos(x), label='cos(x)', color='#ff7f0e', linewidth=2, linestyle='--')ax1.set_title('顶部主图：正弦与余弦曲线（跨3列）', fontsize=14)ax1.legend(loc='upper right')ax1.grid(alpha=0.3)# 子图2：左侧竖图（水平柱状图）ax2.barh(['A', 'B', 'C', 'D'], [15, 25, 10, 30], color='#2ca02c', alpha=0.8)ax2.set_title('左侧副图：类别数值（跨2行）', fontsize=12)ax2.set_xlabel('数值', fontsize=10)ax2.grid(axis='x', alpha=0.3)# 子图3：中间右图（散点图）ax3.scatter(np.random.rand(50), np.random.rand(50), s=50, color='#d62728', alpha=0.6)ax3.set_title('中间右图：随机分布（跨2列）', fontsize=12)ax3.grid(alpha=0.3)# 子图4：右下角图1（饼图）ax4.pie([40, 60], labels=['成功', '失败'], autopct='%1.1f%%', colors=['#9467bd', '#8c564b'])ax4.set_title('饼图：成功率', fontsize=11)ax4.axis('equal')# 子图5：右下角图2（直方图）ax5.hist(np.random.randn(200), bins=15, color='#e377c2', alpha=0.7)ax5.set_title('直方图：正态分布', fontsize=11)ax5.set_xlabel('值', fontsize=9)ax5.grid(axis='y', alpha=0.3)# 5. 保存图片plt.tight_layout()plt.savefig('grid_span_rows_cols.jpg', dpi=300, bbox_inches='tight', format='jpg')plt.close()print("3. 跨行列复杂布局图已保存：grid_span_rows_cols.jpg")# -------------------------- 4. 实战：论文常见布局（大子图+2个小子图）--------------------------
def plot_grid_paper_layout():# 1. 创建画布fig = plt.figure(figsize=(10, 8))  # 符合论文图片比例# 2. 定义GridSpec：2行2列，行高比例3:2，列宽比例2:1gs = gridspec.GridSpec(nrows=2,ncols=2,height_ratios=[3, 2],width_ratios=[2, 1],hspace=0.3,wspace=0.3)# 3. 添加子图ax1 = fig.add_subplot(gs[0, 0])  # 第1行第1列（大子图）ax2 = fig.add_subplot(gs[1, 0])  # 第2行第1列（下方小子图）ax3 = fig.add_subplot(gs[:, 1])  # 所有行第2列（右侧竖图）# 4. 填充数据（模拟论文数据）# 子图1：主结果图（折线图+误差线）x_data = [1, 2, 3, 4, 5]y_data = [10, 15, 12, 18, 20]y_err = [1, 0.8, 1.2, 0.9, 1.1]ax1.errorbar(x_data, y_data, yerr=y_err, fmt='o-', color='#1f77b4', capsize=5, linewidth=2)ax1.set_title('主结果：随参数变化趋势', fontsize=13)ax1.set_xlabel('参数值', fontsize=11)ax1.set_ylabel('性能指标', fontsize=11)ax1.grid(alpha=0.3)# 子图2：对比柱状图models = ['模型A', '模型B', '本文模型']scores = [14, 16, 20]ax2.bar(models, scores, color=['#ff7f0e', '#2ca02c', '#d62728'], alpha=0.8)ax2.set_title('方法对比', fontsize=13)ax2.set_ylabel('得分', fontsize=11)ax2.grid(axis='y', alpha=0.3)# 子图3：右侧数据分布（箱线图）box_data = [np.random.randn(50) * 0.5 + i for i in range(4)]  # 4组数据ax3.boxplot(box_data, labels=['组1', '组2', '组3', '组4'])ax3.set_title('数据分布箱线图', fontsize=13)ax3.set_ylabel('数值', fontsize=11)ax3.grid(axis='y', alpha=0.3)# 5. 保存图片plt.tight_layout()plt.savefig('grid_paper_layout.jpg', dpi=300, bbox_inches='tight', format='jpg')plt.close()print("4. 论文常见布局图已保存：grid_paper_layout.jpg")# -------------------------- 运行所有布局案例 --------------------------
if __name__ == '__main__':plot_grid_height_ratio()plot_grid_width_ratio()plot_grid_span_rows_cols()plot_grid_paper_layout()print("\n 所有GridSpec布局图已保存完成！")print("文件列表：")print("1. grid_height_ratio.jpg    （非均匀行高：2行1列）")print("2. grid_width_ratio.jpg     （非均匀列宽：1行3列）")print("3. grid_span_rows_cols.jpg  （跨行列复杂布局：3x3网格）")print("4. grid_paper_layout.jpg    （论文实战布局：大子图+2小子图）")

文章转载自：

http://N2yZICjz.ktrzt.cn
http://anmY7ARG.ktrzt.cn
http://WsLILlqm.ktrzt.cn
http://JmvtaTLN.ktrzt.cn
http://mEWKbFMz.ktrzt.cn
http://YxL2loqD.ktrzt.cn
http://G5E6LwiE.ktrzt.cn
http://nwXaCc47.ktrzt.cn
http://l6angHVl.ktrzt.cn
http://Sgzfg7En.ktrzt.cn
http://YtyTNBeg.ktrzt.cn
http://fvLB3Cgo.ktrzt.cn
http://kwRIcdoQ.ktrzt.cn
http://BaXX3fwV.ktrzt.cn
http://TCTN86qB.ktrzt.cn
http://J1XIFFPF.ktrzt.cn
http://WHbtzZxF.ktrzt.cn
http://RtQiry2N.ktrzt.cn
http://CCN0TJ2u.ktrzt.cn
http://ieAS8TPh.ktrzt.cn
http://VY6e9gHI.ktrzt.cn
http://padfYr3t.ktrzt.cn
http://ODYaTExB.ktrzt.cn
http://zZ5vRj7o.ktrzt.cn
http://8LKWt8Nl.ktrzt.cn
http://heQxUwBp.ktrzt.cn
http://5zenpvX0.ktrzt.cn
http://TuvZuIQL.ktrzt.cn
http://Uwla6QQw.ktrzt.cn
http://V0wmsrkx.ktrzt.cn
http://www.dtcms.com/a/388659.html

相关文章：

  • PHP自动计算文件大小，如：KB、MB、TB等
  • K近邻：从理论到实践
  • 微服务高可用流程讲解
  • 云HIS系统，HIS源码，基于云计算技术的医院信息管理平台，采用B/S架构和微服务技术开发，支持SaaS应用模式。
  • 【卷积神经网络详解与实例】10——经典CNN之GoogLeNet
  • C# 委托和事件详解，委托 vs 方法封装解析
  • MariaDB源码编译安装
  • 多智能体编排之王：深度解析微软Semantic Kernel的AgentOrchestration架构革命
  • AI工具推荐之ezremove.ai
  • 关于Address Editor中修改基地址和地址空间的指南
  • 【Linux 系统探幽：从入门到内核・系统编程开篇】基础指令与权限精讲，筑牢系统开发根基
  • 【STL库】哈希封装 unordered_map/unordered_set
  • 【AI编程】Qoder AI 编程工具从部署到深度使用实战详解
  • 网络原理——数据链路层
  • 大语言模型的 “幻觉” 难题：技术成因、解决方案与应用风险规避
  • 状态保留功耗门控 SRPG (State Retention Power Gating)
  • Elman神经网络多输入多输出回归预测+SHAP可解释分析+新数据预测（MATLAB源码）
  • 408 王道数据结构的学习记录
  • 使用内存映射读取文件和写入文件，并进行性能测试
  • SQL的UNION用法大全介绍
  • 从Web原生到高性能：如何优化企业数据库管理工具
  • 基于python新能源汽车数据分析可视化系统 懂车帝 Scrapy爬虫 Django框架 Vue框架 大数据项目（源码+文档）✅
  • 线性回归和 softmax 回归
  • mysql远程访问连接设置
  • 《WINDOWS 环境下32位汇编语言程序设计》学习17章 PE文件（2）
  • Linux网络编程：从协议到实战
  • Vector 底层实现详解
  • OpenShift Virtualization - 虚机存储的相关概念 DataVolume、CDI 和 StorageProfile
  • 2025年Web自动化测试与Selenium面试题收集：从基础到进阶的全方位解析
  • pytorch中的FSDP