matplotlib设置子画布大小

在matplotlib中，如果你想在一个大图中添加多个子图（Subplots），并且需要设置每个子图的大小，可以在创建子图时指定每个子图的`figsize`属性。例如：

import matplotlib.pyplot as plt

fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(8, 8))  # 创建一个4x4网格布局，每个子图宽高都是8英寸
axs[0, 0].set_title('First subplot')  # 首先设置第一个子图的标题
axs[0, 1].set_title('Second subplot')  # 然后设置第二个子图的标题
axs[1, 0].set_title('Third subplot')  # ...
axs[1, 1].set_title('Fourth subplot')  # ...

for ax in axs.flat:  # 遍历所有子图
    ax.set_aspect('equal')  # 如果你想让子图等比例显示
    ax.axis('off')  # 关闭坐标轴

plt.tight_layout()  # 自动调整子图之间的间距以充分利用空间
plt.show()

在这个例子中，`figsize`设置了整个图的大小，而`subplots`函数则生成了相应数量的子图，并将它们放入这个大图中。

相关问题

matplotlib怎么缩小子画布

你可以使用子图(subplot)和figure对象中的add_axes方法来缩小子画布。以下是一个简单的示例代码：

import matplotlib.pyplot as plt

fig = plt.figure()
# 创建一个大画布

ax1 = fig.add_subplot(2, 2, 1)
# 创建一个子画布，位置在第一象限

ax2 = fig.add_axes([0.5, 0.5, 0.4, 0.4])
# 创建一个子画布，位置在大画布的中央，长宽均为0.4

# 在子画布中绘图
ax2.plot([1, 2, 3, 4], [1, 4, 2, 3])

plt.show()

在这个示例中，我们创建了一个大小为2x2的大画布，并在其中创建了两个子画布。其中一个子画布(ax1)位于第一象限，另一个子画布(ax2)则位于大画布的中央，长宽均为0.4。

在子画布(ax2)中绘图时，我们可以直接使用plot等绘图函数，与在普通画布中绘图完全相同。

Matplotlib画布

### 使用 Matplotlib 创建和操作画布

#### 导入库并配置环境
为了能够正常显示中文字符以及处理特殊符号，需要对 `matplotlib` 进行特定设置。这可以通过修改全局参数来实现：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

上述代码片段设置了字体为黑体 (`SimHei`) 并关闭了 Unicode 负号的支持[^4]。

#### 创建单个画布
使用 `plt.figure()` 函数可以创建一个新的画布，并可自定义其大小和其他属性。例如：

import numpy as np

x = np.linspace(-1, 1, 20)
y = 2 * x + 1

# 创建一个名为 "figure1" 的新画布，默认尺寸
plt.figure(num="figure1")
plt.plot(x, y, linestyle=':', marker='o')

# 创建另一个较大尺寸的新画布，命名为 "figure2"
plt.figure(num="figure2", figsize=(8, 6))
plt.plot(x, x**2, ':', marker='o')
plt.show()

这段代码展示了如何创建不同名称和尺寸的两个独立画布，并分别在其上绘制简单的线形图。

#### 添加子图到现有画布
对于复杂的数据可视化需求，可能希望在同一张图表内展示多组不同的数据集。这时就可以利用 `subplot()` 或者 `subplots()` 来分割当前画布空间，从而容纳更多的视图组件。下面的例子说明了这两种方式的应用场景：

##### 方法一：使用 `plt.subplot()`
此函数接受三个整数作为输入——分别是行数、列数及要激活的具体位置编号（从左至右、由上而下计数）。比如：

for i in range(1, 5):
    plt.subplot(2, 2, i)  # 定义了一个2×2布局下的第i个子区
    plt.text(0.5, 0.5, str((2, 2, i)), ha='center')  # 向每个子区内添加文本标签
    
plt.tight_layout()
plt.show()

这里通过循环迭代的方式快速构建出了四个带有文字标注的小窗口[^1]。

##### 方法二：使用 `plt.subplots()`
相比之下，这种方法更加直观易懂，因为它直接返回了一对对象 `(fig, axes)` ，其中前者代表整个图形容器本身，后者则包含了所有已分配好的坐标系实例列表。因此非常适合于后续进一步定制化调整各个部分的行为特性：

fig, axs = plt.subplots(nrows=2, ncols=2)

# 将二维数组展平以便更容易访问每一个单独元素
axs_flat = axs.flatten()

for idx, ax in enumerate(axs_flat):
    ax.set_title(f'Subplot {idx}')
    
plt.tight_layout()
plt.show()

此外还可以传递额外的关键字参数给 `subplots()` 来控制更多细节选项，像设定统一的主题风格或是启用极坐标模式等[^5]。