plt.subplot排序方法

在使用 `plt.subplot()` 函数创建子图时，可以使用以下方法来指定子图的排序方式：

1. 使用整数参数：可以通过传递一个整数参数给 `plt.subplot()` 函数来指定子图的位置。整数参数的含义是将整个绘图区域分割成多少行、多少列，并选择当前子图的位置。例如，`plt.subplot(2, 3, 1)` 表示将绘图区域分割成 2 行 3 列，当前子图位于第 1 个位置。

2. 使用三位数的整数参数：可以通过传递一个三位数的整数参数给 `plt.subplot()` 函数来指定子图的位置。三位数的百位数表示行数，十位数表示列数，个位数表示当前子图的位置。例如，`plt.subplot(231)` 表示将绘图区域分割成 2 行 3 列，并选择当前子图位于第 1 个位置。

3. 使用 `plt.subplots()` 函数：`plt.subplots()` 函数可以一次性创建多个子图，并将它们存储在一个二维数组中。可以通过指定 `nrows` 和 `ncols` 参数来控制子图的行数和列数，然后通过索引访问特定的子图。例如：

fig, axes = plt.subplots(nrows=2, ncols=3)
axes[0, 0].plot(x1, y1)
axes[0, 1].plot(x2, y2)
# ...

上面的代码将创建一个 2 行 3 列的子图网格，并可以通过 `axes` 数组中的索引来访问特定的子图。

这些方法可以根据你的需求来灵活选择子图的排序方式。希望对你有所帮助！

相关问题

调试并运行下述案例代码，给代码做注释。在此基础上补充票房 TOP10 的柱状 图展示。 import pandas as pd import numpy as np from matplotlib import pyplot as plt from matplotlib.ticker import MultipleLocator datas = pd.read_csv(r'2015-2020.txt', index_col=0) datas = datas.sort_index(ascending=False) datas = pd.DataFrame(datas.values, index=range(1, 11), \ columns=datas.columns) data2020 = pd.read_csv(r'2020.txt') def drawLines(): ax = plt.subplot(131) for date in datas.columns: plt.plot([10 - i for i in range(datas.shape[0])], \ datas[date], label=date) plt.ylim(0, 600000) ymajorLocator = MultipleLocator(50000) xmajorLocator = MultipleLocator(1) ax.yaxis.set_major_locator(ymajorLocator) ax.xaxis.set_major_locator(xmajorLocator) plt.title('2015-2020 年度票房 Top10 折线图') plt.xlabel('票房名次') plt.grid() plt.legend() def drawPie(): plt.subplot(233) plt.pie(datas['2019'], autopct='%1.1f%%') plt.title('2019 年度票房 Top10 饼图') plt.subplot(236) plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['font.family'] = 'sans-serif' plt.pie(data2020['boxoffice'], autopct='%1.1f%%', \ labels=data2020['name']) plt.title('2020 年度票房 Top10 饼图') if __name__ == '__main__': plt.subplots(figsize=(20, 8)) drawLines() drawPie() plt.show()

# 导入 pandas, numpy, pyplot 和 MultipleLocator 库
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
from matplotlib.ticker import MultipleLocator

# 读取数据并按照时间降序排序
datas = pd.read_csv(r'2015-2020.txt', index_col=0)
datas = datas.sort_index(ascending=False)

# 将数据转换为 DataFrame 格式，索引是票房排名，列是年份
datas = pd.DataFrame(datas.values, index=range(1, 11), columns=datas.columns)

# 读取 2020 年数据
data2020 = pd.read_csv(r'2020.txt')

# 绘制 2015-2020 年度票房 Top10 折线图
def drawLines():
    ax = plt.subplot(131) # 创建子图
    for date in datas.columns: # 循环每年的票房数据
        plt.plot([10 - i for i in range(datas.shape[0])], datas[date], label=date) # 绘制折线图
    plt.ylim(0, 600000) # 设置 y 轴范围
    ymajorLocator = MultipleLocator(50000) # 设置 y 轴主刻度
    xmajorLocator = MultipleLocator(1) # 设置 x 轴主刻度
    ax.yaxis.set_major_locator(ymajorLocator) # 设置 y 轴主刻度
    ax.xaxis.set_major_locator(xmajorLocator) # 设置 x 轴主刻度
    plt.title('2015-2020 年度票房 Top10 折线图') # 设置标题
    plt.xlabel('票房名次') # 设置 x 轴标签
    plt.grid() # 显示网格线
    plt.legend() # 显示图例

# 绘制 2019 年度票房 Top10 饼图和 2020 年度票房 Top10 饼图
def drawPie():
    plt.subplot(233) # 创建子图
    plt.pie(datas['2019'], autopct='%1.1f%%') # 绘制饼图
    plt.title('2019 年度票房 Top10 饼图') # 设置标题
    plt.subplot(236) # 创建子图
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 设置字体
    plt.rcParams['font.family'] = 'sans-serif'
    plt.pie(data2020['boxoffice'], autopct='%1.1f%%', labels=data2020['name']) # 绘制饼图
    plt.title('2020 年度票房 Top10 饼图') # 设置标题

if __name__ == '__main__':
    plt.subplots(figsize=(20, 8)) # 创建画布
    drawLines() # 绘制折线图
    drawPie() # 绘制饼图
    plt.show() # 显示图形

补充票房 TOP10 的柱状图展示如下：

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt

# 读取数据并按照时间降序排序
datas = pd.read_csv(r'2015-2020.txt', index_col=0)
datas = datas.sort_index(ascending=False)
datas = pd.DataFrame(datas.values, index=range(1, 11), columns=datas.columns)

# 绘制柱状图
plt.subplots(figsize=(20, 8))
plt.bar(datas.index, datas['2020'])
plt.xticks(datas.index, datas.index)
plt.title('2020 年度票房 Top10 柱状图')
plt.xlabel('票房排名')
plt.ylabel('票房（万元）')
plt.show()

柱状图展示如下：

注意：柱状图只显示了 2020 年的数据。如果需要同时显示所有年份的数据，可以将 `datas` DataFrame 中的数据按照年份分组，再分别绘制柱状图，并将柱状图放在同一张图中。

#使用了pandas和matplotlib来创建一个包含四个子图的图表， Genre_data_NA = data.pivot_table(index = ['Genre',],values='NA_Sales',aggfunc=np.sum).sort_values('NA_Sales',ascending=False) Genre_data_EU =data.pivot_table(index = ['Genre',],values='EU_Sales',aggfunc=np.sum).sort_values('EU_Sales',ascending=False) Genre_data_JP = data.pivot_table(index = ['Genre',],values='JP_Sales',aggfunc=np.sum).sort_values('JP_Sales',ascending=False) Genre_data_Other =data.pivot_table(index = ['Genre',],values='Other_Sales',aggfunc=np.sum).sort_values('Other_Sales',ascending=False) Genre_data_NA # Genre_data_DF = pd.concat([Genre_data_NA,Genre_data_EU,Genre_data_JP,Genre_data_Other],axis = 1) data=Genre_data_NA Genre_name = data._stat_axis.values.tolist() # explodes=[0.1,0.1,0.1,0.1] plt.figure(figsize=(10,10)) plt.subplot(2,2,1) plt.pie(x=Genre_data_NA,labels=Genre_name,autopct="%0.1f%%",shadow=True) plt.title("北美地区的不同类型游戏销售额") plt.subplot(2,2,2) plt.pie(x=Genre_data_EU,labels=Genre_name,autopct="%0.1f%%",shadow=True) plt.title("欧洲地区的不同类型游戏销售额") plt.subplot(2,2,3) plt.pie(x=Genre_data_JP,labels=Genre_name,autopct="%0.1f%%",shadow=True) plt.title("日本地区的不同类型游戏销售额") plt.subplot(2,2,4) plt.pie(x=Genre_data_Other,labels=Genre_name,autopct="%0.1f%%",shadow=True) plt.title("其它地区的不同类型游戏销售额") plt.show()

这段代码使用了 pandas 和 matplotlib 库来创建一个包含四个子图的图表。首先，通过使用 pivot_table 方法和 aggfunc 参数，对数据进行聚合并按照指定的列进行排序，得到了四个不同地区的游戏销售额数据：Genre_data_NA、Genre_data_EU、Genre_data_JP 和 Genre_data_Other。

接下来，将 Genre_data_NA 数据赋值给 data 变量，并通过调用 _stat_axis.values.tolist() 方法获取到 Genre_name 列表，这将作为饼图的标签。

然后，创建一个大小为 (10,10) 的图表，并在其中设置四个子图。对于每个子图，使用 plt.pie 方法绘制饼图，传入不同地区的销售额数据 Genre_data_NA、Genre_data_EU、Genre_data_JP 和 Genre_data_Other，以及对应的标签 Genre_name。同时，通过设置 autopct 参数来显示百分比，并设置 shadow 参数为 True 来添加阴影效果。最后，在每个子图上添加标题，并使用 plt.show() 方法显示图表。

这样，您将得到一个包含四个子图的图表，分别展示了不同地区的游戏销售额情况。