问题

我相信，看到这篇博客的人，你肯定已经会使用Matplotlib中的pyplot画图。 

比如下面这种图

 你也应该会调整单个图的大小了，就是使用如下语句控制单个图形figure的大小，比如我这里设的8*6的。

fig3 = plt.figure(figsize=(8,6))

但随着继续深入的学习，有时我们很有必要将两个图画在一起，来做对比，所以你也应该会在一个画布上画多个子图了。比如下图

 即是通过subplot实现

#展示一下数据
fig = plt.figure(figsize=(15,7))
 
fig1 = plt.subplot(231)
plt.scatter(data.loc[:,'Avg. Area Income'],data.loc[:,'Price'])
plt.title('Income VS Price')
 
fig2 = plt.subplot(232)
plt.scatter(data.loc[:,'Avg. Area House Age'],data.loc[:,'Price'])
plt.title('Age VS Price')
 
fig3 = plt.subplot(233)
plt.scatter(data.loc[:,'Avg. Area Number of Rooms'],data.loc[:,'Price'])
plt.title('Number VS Price')
 
fig4 = plt.subplot(234)
plt.scatter(data.loc[:,'Area Population'],data.loc[:,'Price'])
plt.title('Population VS Price')
 
fig5 = plt.subplot(235)
plt.scatter(data.loc[:,'size'],data.loc[:,'Price'])
plt.title('size VS Price')
plt.show()

 目前为止图好像没有问题，那问题在哪呢？就是在子图比较少的时候，整个图可能会变形，出现下图情况。

这显然不是我们期望的，我们希望他不要拉长。但是貌似直接通过subplot画出的子图无法更改大小，网上给的一些方案也比较麻烦。

简便的解决方法

 把这两个子图画在同一个画布里，这样即是子图无法改变，但是外面的画布大小可以改变，子图就可以根据外面画布大小自适应的显示了。

对于该图

 其原始代码为

fig6 = plt.subplot(121)
label0 = plt.scatter(X.loc[:,'V1'][y_corrected==0],X.loc[:,'V2'][y_corrected==0])
label1 = plt.scatter(X.loc[:,'V1'][y_corrected==1],X.loc[:,'V2'][y_corrected==1])
label2 = plt.scatter(X.loc[:,'V1'][y_corrected==2],X.loc[:,'V2'][y_corrected==2])
 
plt.title("corrected data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
 
fig7 = plt.subplot(122)
label0 = plt.scatter(X.loc[:,'V1'][y==0],X.loc[:,'V2'][y==0])
label1 = plt.scatter(X.loc[:,'V1'][y==1],X.loc[:,'V2'][y==1])
label2 = plt.scatter(X.loc[:,'V1'][y==2],X.loc[:,'V2'][y==2])
 
plt.title("labled data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
plt.show()

 可以看到两个子图fig6和fig7都是直接使用subplot得到的，所以它变形了。

修改后应该是这样的：

对应代码 ：

fig = plt.figure(figsize=(11,4))
fig6 = plt.subplot(121)
label0 = plt.scatter(X.loc[:,'V1'][y_corrected==0],X.loc[:,'V2'][y_corrected==0])
label1 = plt.scatter(X.loc[:,'V1'][y_corrected==1],X.loc[:,'V2'][y_corrected==1])
label2 = plt.scatter(X.loc[:,'V1'][y_corrected==2],X.loc[:,'V2'][y_corrected==2])
 
plt.title("corrected data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
 
fig7 = plt.subplot(122)
label0 = plt.scatter(X.loc[:,'V1'][y==0],X.loc[:,'V2'][y==0])
label1 = plt.scatter(X.loc[:,'V1'][y==1],X.loc[:,'V2'][y==1])
label2 = plt.scatter(X.loc[:,'V1'][y==2],X.loc[:,'V2'][y==2])
 
plt.title("labled data")
plt.xlabel('V1')
plt.ylabel('V2')
plt.legend((label0,label1,label2),('label0','label1','label2'))
plt.scatter(centers[:,0],centers[:,1])
plt.show()

 相比原来的代码就多了第一行的操作，定一个合适画布的大小就可以方便动态调整子图了。

麻烦点的方法

 看到网上是有可以自定义子图大小的方法的，不过相比我想出来的这个方法，感觉太麻烦了。这个方法能解决我这一类问题了，如果后面遇到需要一个子图大一个子图小的问题再单独记录把。

总结

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• 分割Python字符串有几种做法，具体是怎样的呢？

  这篇文章主要介绍了分割python多空格字符串的两种方法小结，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教

• Pyecharts如何安装和使用，画图表操作是什么

  Python数据可视化之Pyecharts使用，下文有实例供大家参考，对大家了解操作过程或相关知识有一定的帮助，而且实用性强，希望这篇文章能帮助大家，下面我们一起来了解看看吧。

• Numpy怎样实现返回指定位置索引

  这篇文章主要介绍了numpy 实现返回指定行的指定元素的位置索引操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

• Python中用正则表达式做重叠匹配的代码是什么

  正则表达式可理解为对数据筛选的表达式，是有限个原子和元字符组成。一些朋友对于python实现重叠匹配感兴趣，下面小编给大家整理和分享了相关知识和资料，易于大家学习和理解，有需要的朋友可以借鉴参考，下面我们一起来了解一下吧。

• 在Python中绘制对数函数图的方法及代码是什么

  小伙伴们还记不记得，在高考数学题后面的大题总会出现对数函数，需要我们画成对数函数图才能解答。之前小编向大家介绍对数log函数的表示方法，其实一般我们在使用对数函数的时候，会和对数函数图配合使用解决实际问题。那你知不知道在python中也可以画对数函数图呢？本文小编就以代码的形式向大家演示在python中绘制对数函数图的过程。