matplotlib多子图共享坐标轴

本文主要是介绍matplotlib多子图共享坐标轴，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！

文章目录

- 共用坐标
- 添加共享轴
- 灰度直方图

共用坐标

当一个图像中有多个子图时，若这些子图坐标的含义相同，那么省略一些坐标可以让图像更加简洁。在matplotlib中，通过sharex或者sharey可以起到共享x或y轴坐标的作用。示例如下

import numpy as np
import matplotlib.pyplot as pltx = np.linspace(-5,5,100)
ys = [np.sin(x+i) for i in range(5)]fig,axes = plt.subplots(2,2,sharex=True, sharey=True)axes = axes.reshape(-1)
for i in range(4):axes[i].plot(x, ys[i])plt.show()

效果如下，左上角的子图没有x刻度值，右下角则没有y刻度值，右上角则什么坐标轴也没有。

在这里插入图片描述

添加共享轴

直接通过subplots来创建图窗和坐标轴，尽管用一行代码解决了很多问题，但相应地也不够灵活，而灵活添加坐标轴的函数add_subplot也有sharex和sharey的参数，但二者并不是布尔型参数，而是需要输入希望共享的坐标轴。

fig = plt.figure()
ax3 = fig.add_subplot(223)
ax3.plot(x,ys[2])ax1 = fig.add_subplot(221, sharex=ax3)
ax1.plot(x[:50],ys[0][:50])ax4 = fig.add_subplot(224, sharey=ax3)
ax4.plot(x[50:],ys[3][50:])ax2 = fig.add_subplot(222, sharex=ax4, sharey=ax1)
ax2.plot(x,ys[1])plt.show()

效果如下，一方面，从各坐标轴的坐标来看，的确实现了坐标共享，但并没有像subplots中一样，直接隐藏不必要的坐标刻度。

在这里插入图片描述

为了达到和subplots相同的效果，需要手动隐藏坐标刻度，如将代码改为下面的形式，即可实现目标

fig = plt.figure()
ax3 = fig.add_subplot(223)
ax3.plot(x,ys[2])ax1 = fig.add_subplot(221, sharex=ax3)
ax1.plot(x[:50],ys[0][:50])
ax1.tick_params(axis="x", labelbottom=False)ax4 = fig.add_subplot(224, sharey=ax3)
ax4.plot(x[50:],ys[3][50:])
ax4.tick_params(axis="y", labelleft=False)ax2 = fig.add_subplot(222, sharex=ax4, sharey=ax1)
ax2.plot(x,ys[1])
ax2.tick_params(axis="x", labelbottom=False)
ax2.tick_params(axis="y", labelleft=False)plt.show()

灰度直方图

上面示例中那几个子图，彼此之间区别不大，放在一张图中是完全没问题的，但有些情况则不适合放在一张图中，比如对于一张图片来说，想知道其水平方向上灰度强度的分布，就比较适合坐标。

path = r'lena.jpg'
img = plt.imread(path)xs = [np.sum(img[:,:,i],0) for i in range(3)]
ys = [np.sum(img[:,:,i],1) for i in range(3)]fig = plt.figure()
gs = fig.add_gridspec(2, 2,width_ratios=(4, 1),height_ratios=(1, 4))ax = fig.add_subplot(gs[1, 0])
ax.imshow(img)        # 散点图绘制
plt.axis('off')xHist = fig.add_subplot(gs[0, 0], sharex=ax)
xHist.tick_params(axis="x", labelbottom=False)yHist = fig.add_subplot(gs[1, 1], sharey=ax)
yHist.tick_params(axis="y", labelleft=False)colors = 'rgb'
for i in range(3):xHist.plot(xs[i], color=colors[i])yHist.plot(ys[i], np.arange(len(ys[i])),color=colors[i])plt.show()