我有如下的情节:
fig,ax = plt.subplots(5,2,sharex=True,sharey=True,figsize=fig_size)
现在我想给这个图标上常用的x轴和y轴标记。这里的“common”是指在整个子图网格的下方应该有一个大的x轴标签,在右侧应该有一个大的y轴标签。我在plt的文档中找不到任何关于这个的东西。我的谷歌搜索表明我需要做一个大的plot .subplot(111)来开始-但是我如何使用plot .subplots将我的5*2子图放入其中呢?
我有如下的情节:
fig,ax = plt.subplots(5,2,sharex=True,sharey=True,figsize=fig_size)
现在我想给这个图标上常用的x轴和y轴标记。这里的“common”是指在整个子图网格的下方应该有一个大的x轴标签,在右侧应该有一个大的y轴标签。我在plt的文档中找不到任何关于这个的东西。我的谷歌搜索表明我需要做一个大的plot .subplot(111)来开始-但是我如何使用plot .subplots将我的5*2子图放入其中呢?
当前回答
我在绘制图表网格时也遇到了类似的问题。图表由两部分组成(顶部和底部)。y标签应该在两个部分的中间。
我不想使用一个依赖于知道外部图形中的位置的解决方案(如fig.text()),所以我操纵了set_ylabel()函数的y位置。它通常是0.5,它被添加到图的中间。由于代码中各部分(hspace)之间的填充为零,所以我可以计算出两个部分相对于上部的中间部分。
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
# Create outer and inner grid
outerGrid = gridspec.GridSpec(2, 3, width_ratios=[1,1,1], height_ratios=[1,1])
somePlot = gridspec.GridSpecFromSubplotSpec(2, 1,
subplot_spec=outerGrid[3], height_ratios=[1,3], hspace = 0)
# Add two partial plots
partA = plt.subplot(somePlot[0])
partB = plt.subplot(somePlot[1])
# No x-ticks for the upper plot
plt.setp(partA.get_xticklabels(), visible=False)
# The center is (height(top)-height(bottom))/(2*height(top))
# Simplified to 0.5 - height(bottom)/(2*height(top))
mid = 0.5-somePlot.get_height_ratios()[1]/(2.*somePlot.get_height_ratios()[0])
# Place the y-label
partA.set_ylabel('shared label', y = mid)
plt.show()
图片
缺点:
到绘图的水平距离基于顶部部分,底部刻度可能延伸到标签中。 这个公式没有考虑到各部分之间的间距。 当顶部高度为0时引发异常。
可能有一个通用的解决方案,即考虑数字之间的填充。
其他回答
更新:
这个特性现在是我最近在pypi上发布的proplot matplotlib包的一部分。默认情况下,当您制作图形时,标签在子图之间“共享”。
最初的回答:
我发现了一个更可靠的方法:
如果您知道进入GridSpec初始化的底部和顶部kwarg,或者您知道图坐标中轴的边缘位置,您还可以使用一些奇特的“转换”魔法在图坐标中指定ylabel位置。
例如:
import matplotlib.pyplot as plt
import matplotlib.transforms as mtransforms
bottom, top = 0.1, 0.9
fig, axs = plt.subplots(nrows=2, ncols=1, bottom=bottom, top=top)
avepos = 0.5 * (bottom + top)
transform = mtransforms.blended_transform_factory(mtransforms.IdentityTransform(), fig.transFigure) # specify x, y transform
axs[0].yaxis.label.set_transform(transform) # changed from default blend (IdentityTransform(), axs[0].transAxes)
axs[0].yaxis.label.set_position((0, avepos))
axs[0].set_ylabel('Hello, world!')
...您应该看到,标签仍然适当地调整左右,以避免与标签重叠,就像正常情况一样,但它也将自己精确地定位在所需的子情节之间。
值得注意的是,如果省略set_position调用,ylabel将恰好显示在图的中间位置。我猜这是因为在最终绘制标签时,matplotlib使用0.5作为y坐标,而不检查底层坐标变换是否已更改。
因为我认为它足够相关和优雅(不需要指定坐标来放置文本),所以我复制了(稍加修改)另一个相关问题的答案。
import matplotlib.pyplot as plt
fig, axes = plt.subplots(5, 2, sharex=True, sharey=True, figsize=(6,15))
# add a big axis, hide frame
fig.add_subplot(111, frameon=False)
# hide tick and tick label of the big axis
plt.tick_params(labelcolor='none', which='both', top=False, bottom=False, left=False, right=False)
plt.xlabel("common X")
plt.ylabel("common Y")
结果如下(使用matplotlib 2.2.0版本):
由于命令:
fig,ax = plt.subplots(5,2,sharex=True,sharey=True,figsize=fig_size)
如果你使用了返回一个由图和坐标轴实例列表组成的元组,它已经足够做一些事情(注意,我已经改变了fig,axto fig,axes):
fig,axes = plt.subplots(5,2,sharex=True,sharey=True,figsize=fig_size)
for ax in axes:
ax.set_xlabel('Common x-label')
ax.set_ylabel('Common y-label')
如果你碰巧想要改变特定子图的一些细节,你可以通过axis [i]访问它,其中i在子图上迭代。
这也可能是非常有用的,包括一个
fig.tight_layout()
在文件的末尾,在plt.show()之前,以避免重叠标签。
没有sharex=True, sharey=True,你得到:
有了它,你应该得到更好的:
fig, axes2d = plt.subplots(nrows=3, ncols=3,
sharex=True, sharey=True,
figsize=(6,6))
for i, row in enumerate(axes2d):
for j, cell in enumerate(row):
cell.imshow(np.random.rand(32,32))
plt.tight_layout()
但是如果你想添加额外的标签,你应该只将它们添加到边缘图中:
fig, axes2d = plt.subplots(nrows=3, ncols=3,
sharex=True, sharey=True,
figsize=(6,6))
for i, row in enumerate(axes2d):
for j, cell in enumerate(row):
cell.imshow(np.random.rand(32,32))
if i == len(axes2d) - 1:
cell.set_xlabel("noise column: {0:d}".format(j + 1))
if j == 0:
cell.set_ylabel("noise row: {0:d}".format(i + 1))
plt.tight_layout()
为每个图添加标签会破坏它(也许有一种方法可以自动检测重复的标签,但我不知道)。
Matplotlib v3.4新增功能(pip install Matplotlib—upgrade)
标签和标签
fig.supxlabel('common_x')
fig.supylabel('common_y')
看到的例子:
import matplotlib.pyplot as plt
for tl, cl in zip([True, False, False], [False, False, True]):
fig = plt.figure(constrained_layout=cl, tight_layout=tl)
gs = fig.add_gridspec(2, 3)
ax = dict()
ax['A'] = fig.add_subplot(gs[0, 0:2])
ax['B'] = fig.add_subplot(gs[1, 0:2])
ax['C'] = fig.add_subplot(gs[:, 2])
ax['C'].set_xlabel('Booger')
ax['B'].set_xlabel('Booger')
ax['A'].set_ylabel('Booger Y')
fig.suptitle(f'TEST: tight_layout={tl} constrained_layout={cl}')
fig.supxlabel('XLAgg')
fig.supylabel('YLAgg')
plt.show()
查看更多