如何在 matplotlib 中将图形绘制到不同的子图轴

Question

我试图用一个 3d 子图和 3 个 2d 子图的组合来绘制一个图形。为什么它们会相互重叠？

这是我的代码：

fig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(3, 2, 1, projection='3d')
ax = plt.axes(projection='3d')
ax.scatter3D(extents[0], extents[1], extents[2], color='yellow')

ax = fig.add_subplot(3, 2, 2)
ax = sns.distplot(extents[0], color='red')
ax.set_title("Extent_0 Distribution")

ax = fig.add_subplot(3, 2, 4)
ax = sns.distplot(extents[1], color='blue')
ax.set_title("Extent_1 Distribution")

ax = fig.add_subplot(3, 2, 6)
ax = sns.distplot(extents[2], color='green')
ax.set_title("Extent_2 Distribution")

plt.show()

Answer 1

• 在每个组中，使用ax = fig.add_subplot(3, 2, 1, projection='3d') 创建一个ax，然后使用ax = plt.axes(projection='3d') 重新分配变量；这不会映射到ax。
• 要绘制到特定轴，请在绘图方法中使用ax 参数
  • sns.histplot(df['freq: 1x'], ax=ax)
• 另外，将 seaborn 升级到 0.11 版，因为 sns.distplot 已被 displot 或 histplot 弃用。

import pandas as pd
import numpy as np  # for sample data

# sinusoidal sample data
sample_length = range(1, 3+1)
rads = np.arange(0, 2*np.pi, 0.01)
data = np.array([np.sin(t*rads) for t in sample_length])
df = pd.DataFrame(data.T, index=pd.Series(rads.tolist(), name='radians'), columns=[f'freq: {i}x' for i in sample_length])

# plot the figures and correctly use the ax parameter
fig = plt.figure(figsize=(10,10))
ax = fig.add_subplot(3, 2, 1, projection='3d')
ax.scatter3D(df['freq: 1x'], df['freq: 2x'], df['freq: 3x'], color='green', s=5)

ax = fig.add_subplot(3, 2, 2)
sns.histplot(df['freq: 1x'], ax=ax)
ax.set_title("Extent_0 Distribution")

ax = fig.add_subplot(3, 2, 4)
sns.histplot(df['freq: 2x'], ax=ax)
ax.set_title("Extent_1 Distribution")

ax = fig.add_subplot(3, 2, 6)
sns.histplot(df['freq: 3x'], ax=ax)
ax.set_title("Extent_2 Distribution")

plt.tight_layout()

使用 matplotlib 网格规范

• Customizing Figure Layouts Using GridSpec and Other Functions
• Tight Layout guide
• 可以通过更改行数来增加 3D 绘图的大小，nrows。
  • gs1 = fig.add_gridspec(nrows=4, ncols=3)

fig = plt.figure(constrained_layout=False, figsize=(10, 10))
gs1 = fig.add_gridspec(nrows=3, ncols=3)

ax1 = fig.add_subplot(gs1[:-1, :], projection='3d')
ax1.scatter3D(df['freq: 1x'], df['freq: 2x'], df['freq: 3x'], color='green', s=10)

ax2 = fig.add_subplot(gs1[-1, 0])
sns.histplot(df['freq: 1x'], kde=True, ax=ax2)
ax2.set_title("Extent_0 Distribution")

ax3 = fig.add_subplot(gs1[-1, 1])
sns.histplot(df['freq: 2x'], kde=True, ax=ax3)
ax3.set_title("Extent_1 Distribution")

ax4 = fig.add_subplot(gs1[-1, 2])
sns.histplot(df['freq: 3x'], kde=True, ax=ax4)
ax4.set_title("Extent_2 Distribution")

plt.tight_layout()