例如，如果我有这 3 个要绘制的数据集：
a = np.arange(0,10,1)
b = np.arange(2,6,1)
c = np.arange(5,10,1)
显然，我不希望它们共享同一个轴，因为它们中的一些基本上只会有一个大的空图，在角落的某个地方有几个数据点。因此，理想情况下，我会拥有不同大小的子图，但都具有相同的比例（即步骤 1 在所有子图上具有相同的长度）。我知道我可以通过设置图形的大小来手动执行此操作，但是对于大量数据集或不太好的数字，这将是一个真正的痛苦。但是通过其他问题或文档搜索，我找不到任何可以设置轴上刻度线或其他东西的固定距离的东西。请注意，我不是在询问纵横比。纵横比可以不同，我只需要轴上的相同比例。 （见下图，希望能说明我的问题。注意：不，我的实际绘图中不需要比例尺，这是为了让你看看比例是如何相同的。） 谢谢。
【问题讨论】：
标签： python matplotlib
经过大量研究，看起来确实没有任何简单的命令可以做到这一点。但首先，考虑到每个子图的 x 和 y 值的范围及其比率以及布局，GridSpec 将完成这项工作。
因此，对于我们的示例，布局如问题中所示，即最大的图片在顶部，两个较小的图片在下方彼此相邻。为了更容易，它们的 y 范围是相同的（但如果不是，我们将使用与 x 相同的计算）。现在，知道了这个布局，我们可以创建一个网格。垂直跨度为 20（因为我们有两行 4 个图，y 范围为 10），我们可能希望它们之间有一些空间用于轴标签、图例等，所以我们将添加额外的 5。第一个图有 x 范围10个，但是第二个和第三个数字的范围是4和5，一共是9个，我们可能还想要它们之间的空间，所以让我们多加3个。所以水平网格将跨越 12 个。因此，我们创建了一个 25 x 12 的网格，并将我们的地块放入该网格中，如下所示：
import numpy as np
import matplotlib.pyplot as plt
from matplotlib import gridspec
## GRIDSPEC INTRO - creating a grid to distribute the subplots with same scales and different sizes.
fig = plt.figure()
gs=gridspec.GridSpec(25,12)
## SUBPLOTS of GRIDSPEC
#the first (big) plot
axes1 = plt.subplot(gs[:10,:10])
ax1 = plt.plot(x,y) # plot some data here
ax1 = plt.xlim(1,10)
ax1 = plt.ylim(1,10)
# the second plot below the big one on the left
axes2 = plt.subplot(gs[15:,:4])
ax2 = plt.plot(x,y) # plot some data here
ax2 = plt.xlim(2,6)
ax2 = plt.ylim(1,10)
# the third plot - below the big one on the right
axes3 = plt.subplot(gs[15:,7:])
ax3 = plt.plot(x,y) # plot some data here
ax3 = plt.xlim(5,10)
ax3 = plt.ylim(1,10)
plt.show()
【讨论】：
一个小时后：
__author__ = 'madevelasco'
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
def group(x, max, min, iters):
total_range = max - min
for i in range(0, iters):
if (x > min + i*total_range/iters and x <= min + (i+1)*total_range/iters):
return i
def newPlots():
df = pd.DataFrame(np.random.randn(100, 2), columns=['x', 'y'])
df.plot(x = 'x', y = 'y', kind = 'scatter', alpha=0.5)
plt.show()
##Sort by the column you want
df.sort_values(['x'], ascending=[False], inplace=True)
result = df.reset_index(drop=True).copy()
#Number of groups you want
iterations = 3
max_range = df['x'].max()
min_range = df['x'].min()
total_range = max_range - min_range
result['group'] = result.apply(lambda x: group(x['x'], max_range, min_range, iterations ), axis=1)
print(result)
for x in range (0, iterations):
lower = min_range + (x)*total_range/iterations
upper = min_range + (1+x)*total_range/iterations
new = result[result['group'] == x]
new.plot(x = 'x', y = 'y', kind = 'scatter', alpha=0.3)
axes = plt.gca()
axes.set_xlim([lower, upper])
axes.set_ylim([df['y'].min(),df['y'].max()])
plt.show()
if __name__ == '__main__':
newPlots()
我用熊猫来做到这一点。老实说，可视化的想法是将所有数据放在一个图表中，但不会像那样分开。为了保持日期的概念，甚至为了可读性，应该固定其中一个轴。我在两次编辑之间做了
所有点的图像
子地块
【讨论】：