使用 Matplotlib 中的数字的动态子图

Question

我想使用 matplotlib 和 pysimplegui 创建一个子图，每次我 select 一些信号复选框（值列表）我应该得到一个对应的 plot 它会根据我的选择动态增加或减小大小所以当我 select 一个复选框相应的 plot 将被绘制并等间距，当我取消选择 plot 时，它应该消失，其他图应该自动占据空间编程语言 - Python3 Matplotlib - 3.6.2

我的要求：

1. 我的子图 (matplotlib) 中始终最多有 10 行和 1 列
2. 所以假设我在制作 1 plot 之后调用“plt.show()” 我的结果应该只有一个 plot 那一刻占据了整个数字
3. 现在我再添加一个 plot，然后调用“plt.show()”，现在它应该有 2 个地块平均占据无花果，这对于 3、4、5...10 个地块来说是一样的，但所有这些地块都应该有一个单个共享轴，以底部为准
4. 还有一种在任何时间删除 plot 的方法，例如我制作一个 plot 说 axis1 然后我制作一个 plot axis2 现在我想要删除 axis1 之后只有我的 axis2 plot 会占据整个数字

下面的代码满足了我的大部分要求，但只是轴不相互共享，而且每个地块的大小也不同

reff1 ： 在创建轴后更改 matplotlib 子图大小/位置reff2 ： 在 matplotlib 中动态添加/创建子图

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
 
number_of_plots = 2
fig = plt.figure()
 
ax = fig.add_subplot(1, 1, 1)
 
gs = gridspec.GridSpec(number_of_plots + 1, 1)
plot_space = gs[0:number_of_plots].get_position(fig)
print(plot_space,
      [plot_space.x0, plot_space.y0, plot_space.width, plot_space.height])
ax.set_position(plot_space)
ax.set_subplotspec(gs[0:number_of_plots])              # only necessary if using tight_layout()
fig.tight_layout()                # not strictly part of the question
ax = fig.add_subplot(gs[2], sharex=ax)
 
plt.show()

Answer 1

这是交互部分的基础。

我在每次新选择时从图中删除所有轴，并将新选择的轴添加到相关的GridSpec上。

由于@lru_cache ，每次都不会重新绘制静止轴。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec
from functools import lru_cache

plt.ion()


def main():

    # Data that will be selected
    datas = {
        "data1": np.random.randn(100),
        "data2": np.random.randn(100),
        "data3": np.random.randn(100),
        "data4": np.random.randn(100),
    }

    # Emulate data selection over time
    states = (
        ["data1"],
        ["data1", "data3"],
        ["data2", "data3"],
        ["data1", "data2", "data3"],
        ["data2"],
    )

    fig = plt.figure(figsize=(6, 8))

    # Create a new ax on fig with corresponding data plotted
    @lru_cache
    def get_data_ax(data_id):
        ax = fig.add_subplot()
        ax.plot(datas[data_id])
        ax.set_title(data_id)
        return ax

    # Emulate data selection over time
    for data_state in states:

        # Remove all axes, add relevant ones later
        for ax in fig.axes:
            fig.delaxes(ax)

        # Create a GridSpec for the axes to be plot
        num_plots = len(data_state)
        # but give it at least 2 rows so a single ax will not be stretched
        num_rows = max(2, num_plots)
        gs = GridSpec(num_rows, 1)

        # Get all axes to be plotted
        # (thanks to @lru_cache, axes are computed only once)
        axes = [get_data_ax(data_id) for data_id in data_state]

        # Add each ax one by one
        for ax_idx, ax in enumerate(axes):
            # Choose the right location for the given ax
            ax.set_subplotspec(gs[ax_idx])
            fig.add_subplot(ax)

        plt.pause(2)


if __name__ == "__main__":
    main()