python --在2x2的子图中绘制三个子图,并使第三个子图居中

2023-10-07 06:20

本文主要是介绍python --在2x2的子图中绘制三个子图,并使第三个子图居中,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

python – 在2x2的子图中绘制三个子图,并使第三个子图居中

基于python,绘制一个2x2的子图范围,但是只显示3个子图,并使得第三个子图居中显示’
思路:

  • 建立一个2x2的子图
  • 前两个正常画,其中第三个子图跨越两行。
  • 第三个子图通过set_position 来调整大小和位置,使其视觉上看起来居中显示

以下是封装的绘图函数:

from matplotlib import ticker 
import matplotlib.pyplot as plt
import cartopy.feature as cfeature
from cartopy.mpl.ticker import LongitudeFormatter, LatitudeFormatter
import cartopy.crs as ccrs
import numpy as np
import  cmaps
from matplotlib.gridspec import GridSpec
def make_map(ax, title): ax.set_extent(box, crs=ccrs.PlateCarree())land = cfeature.NaturalEarthFeature('physical','land','50m',edgecolor='gray', facecolor='None',)ax.add_feature(land)  # set land colorax.coastlines()  # set coastline resolutiongl = ax.gridlines(draw_labels=True, linewidth=0.5, color='gray', alpha=0.5, linestyle='--')gl.top_labels = False  # 不显示上边界的标签gl.right_labels = False  # 不显示右边界的标签gl.xlocator = ticker.MultipleLocator(base=30)  gl.ylocator = ticker.MultipleLocator(base=30)ax.set_title(title, fontsize=25, loc='center')# ax.tick_params(which='both', #                direction='out', #                length=8,#                width=0.99, #                pad=0.2, #                labelsize=20,#                bottom=True, left=True, right=True, top=True)return ax
  • 封装函数的好处在于重复绘制相关格式的子图时,减少重复代码
  • 上述封装的绘图函数,可以实现:1、指定显示的绘图空间范围;2、陆地投影、海岸线;3、网格以及默认标签;4、标题;5、最小刻度线间隔
  • 由于这里关于刻度线使用的是gridlines,对于刻度线的朝向和长短暂时没有找到好的方法进行控制,这个是投影地图上的一个bug感觉,在proplot这个绘图函数里面也有类似的问题;解决办法呢,需要自己手动添加tick,然后通过tick_params来实现;

如下所示:

def make_map(ax, title): ax.set_extent(box, crs=ccrs.PlateCarree())land = cfeature.NaturalEarthFeature('physical','land','50m',edgecolor='gray', facecolor='None',)ax.add_feature(land)  # set land colorax.coastlines()  # set coastline resolutionax.set_xticks(np.arange(-90, 91, 30), crs=ccrs.PlateCarree())ax.set_yticks(np.arange(-30, 31, 30), crs=ccrs.PlateCarree())ax.xaxis.set_major_formatter(LongitudeFormatter(zero_direction_label=False))ax.yaxis.set_major_formatter(LatitudeFormatter())ax.xaxis.set_minor_locator(ticker.AutoMinorLocator(n=5) )ax.yaxis.set_minor_locator(ticker.AutoMinorLocator(n=3))ax.xaxis.set_major_formatter(lon_formatter)ax.yaxis.set_major_formatter(lat_formatter)ax.set_title(title, fontsize=25, loc='center')ax.tick_params(which='both', direction='out', length=8,width=0.99, pad=0.2, labelsize=20,bottom=True, left=True, right=True, top=True)return ax

然后,对于子图的设置,这里使用的是GridSpec 对象,代码如下所示,


proj = ccrs.PlateCarree(central_longitude=0)fig = plt.figure(figsize=(16, 8), dpi=200)
gs = GridSpec(2, 2, figure=fig, width_ratios=[1, 1], height_ratios=[1, 1])
ax = [plt.subplot(gs[0, 0], projection=proj), plt.subplot(gs[0, 1], projection=proj),plt.subplot(gs[1, :2], projection=proj)]title = ['Zonal Wind', 'Meridional Wind', 'Height']
box = [-91, 91, -35, 35]  for i, var in enumerate([u, v, h]):make_map(ax[i], title[i])plot = ax[i].contourf(lon, lat, var.T, cmap=cmaps.BlueWhiteOrangeRed,transform=ccrs.PlateCarree())ax[i].set_extent(box, crs=ccrs.PlateCarree())  # 设置第三个子图的位置
ax[2].set_position([0.25, 0.1, 0.5, 0.8])# 调整子图间距
plt.subplots_adjust(hspace=0.4)

得到的绘图结果就是下面这个样子:

在这里插入图片描述

这里仅仅做一个尝试,当然,没有必要非得让它居中嘛:

proj = ccrs.PlateCarree(central_longitude=0)fig, ax = plt.subplots(nrows=2, ncols=2, figsize=(16, 10), dpi=200,subplot_kw={'projection': proj})title = ['u', 'v', 'h']
box = [-91, 91, -35, 35]  for i, var in enumerate([u, v, h]):print(i)make_map(ax.flatten()[i], title[i])plot = ax.flatten()[i].contourf(lon, lat, var.T, cmap=cmaps.BlueWhiteOrangeRed,transform=ccrs.PlateCarree())ax.flatten()[i].set_extent(box, crs=ccrs.PlateCarree())  # 删除最后一个子图
fig.delaxes(ax.flatten()[3])# fig.subplots_adjust(hspace=0.1)# 显示图形
plt.show()# 显示图形
plt.show()

就下面这样也很好,或者干脆就是一个1x3或者3x1的子图分布也可以,实在不行,后期通过ai也可以任意拼接
在这里插入图片描述
全部的绘图代码:

def make_map(ax, title): ax.set_extent(box, crs=ccrs.PlateCarree())land = cfeature.NaturalEarthFeature('physical','land','50m',edgecolor='gray', facecolor='None',)ax.add_feature(land)  # set land colorax.coastlines()  # set coastline resolutiongl = ax.gridlines(draw_labels=True, linewidth=0.5, color='gray', alpha=0.5, linestyle='--')gl.top_labels = False  # 不显示上边界的标签gl.right_labels = False  # 不显示右边界的标签gl.xlocator = ticker.MultipleLocator(base=30)  gl.ylocator = ticker.MultipleLocator(base=30)ax.set_title(title, fontsize=25, loc='center')return ax
proj = ccrs.PlateCarree(central_longitude=0)
fig = plt.figure(figsize=(16, 8), dpi=200)
gs = GridSpec(2, 2, figure=fig, width_ratios=[1, 1], height_ratios=[1, 1])
ax = [plt.subplot(gs[0, 0], projection=proj), plt.subplot(gs[0, 1], projection=proj),plt.subplot(gs[1, :2], projection=proj)]title = ['Zonal Wind', 'Meridional Wind', 'Height']
box = [-91, 91, -35, 35]  for i, var in enumerate([u, v, h]):make_map(ax[i], title[i])plot = ax[i].contourf(lon, lat, var.T, cmap=cmaps.BlueWhiteOrangeRed,transform=ccrs.PlateCarree())ax[i].set_extent(box, crs=ccrs.PlateCarree())  # 设置第三个子图的位置
ax[2].set_position([0.25, 0.1, 0.5, 0.8])# 调整子图间距
plt.subplots_adjust(hspace=0.4)
plt.show()

这篇关于python --在2x2的子图中绘制三个子图,并使第三个子图居中的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/156600

相关文章

基于Python实现一个图片拆分工具

《基于Python实现一个图片拆分工具》这篇文章主要为大家详细介绍了如何基于Python实现一个图片拆分工具,可以根据需要的行数和列数进行拆分,感兴趣的小伙伴可以跟随小编一起学习一下... 简单介绍先自己选择输入的图片,默认是输出到项目文件夹中,可以自己选择其他的文件夹,选择需要拆分的行数和列数,可以通过

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

使用Docker构建Python Flask程序的详细教程

《使用Docker构建PythonFlask程序的详细教程》在当今的软件开发领域,容器化技术正变得越来越流行,而Docker无疑是其中的佼佼者,本文我们就来聊聊如何使用Docker构建一个简单的Py... 目录引言一、准备工作二、创建 Flask 应用程序三、创建 dockerfile四、构建 Docker

Python使用vllm处理多模态数据的预处理技巧

《Python使用vllm处理多模态数据的预处理技巧》本文深入探讨了在Python环境下使用vLLM处理多模态数据的预处理技巧,我们将从基础概念出发,详细讲解文本、图像、音频等多模态数据的预处理方法,... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Python使用python-can实现合并BLF文件

《Python使用python-can实现合并BLF文件》python-can库是Python生态中专注于CAN总线通信与数据处理的强大工具,本文将使用python-can为BLF文件合并提供高效灵活... 目录一、python-can 库:CAN 数据处理的利器二、BLF 文件合并核心代码解析1. 基础合

Python使用OpenCV实现获取视频时长的小工具

《Python使用OpenCV实现获取视频时长的小工具》在处理视频数据时,获取视频的时长是一项常见且基础的需求,本文将详细介绍如何使用Python和OpenCV获取视频时长,并对每一行代码进行深入解析... 目录一、代码实现二、代码解析1. 导入 OpenCV 库2. 定义获取视频时长的函数3. 打开视频文

Python中你不知道的gzip高级用法分享

《Python中你不知道的gzip高级用法分享》在当今大数据时代,数据存储和传输成本已成为每个开发者必须考虑的问题,Python内置的gzip模块提供了一种简单高效的解决方案,下面小编就来和大家详细讲... 目录前言:为什么数据压缩如此重要1. gzip 模块基础介绍2. 基本压缩与解压缩操作2.1 压缩文