![](/img/trans.png)
[英]Change style in one Matplotlib Figure when working with several Figures simultaneously
[英]Converting one large figure into several smaller figures using Pythons Matplotlib
我有一個“ x”列(x_parameter)和多個“ y”列(filtered_data),我試圖為每個x,y對生成散點圖。 我已經在以下功能中成功完成了此操作:
def scatter_plot(self,filtered_data,x_parameter):
for i in range(len(filtered_data)):
if filtered_data[i].name==x_parameter:
x=filtered_data[i]
x_index=list(x.keys())
figure()
for i in range(len(filtered_data)):
y=filtered_data[i]
y_index=list(y.keys())
index_intersection = list(set(x_index)&set(y_index))
subplot(10,5,i)
scatter(x[index_intersection],y[index_intersection])
這將產生一個帶有43個子批的大圖形。 我現在正在嘗試更改此設置,以便生成3個較小的圖形,其中包含兩個4x4子圖,其余的在最后一個。 我還希望此功能是動態的,並且能夠處理任何大小的任何輸入,並且仍返回16個子圖的圖形“單位”和其余圖形。 我的嘗試如下:
def scatter_plot(self,filtered_data,x_parameter):
number_of_full_subplots=len(filtered)/16
remainder=len(filtered)-(number_of_full_subplots*16)
for i in range(len(filtered_data)):
if filtered_data[i].name==x_parameter:
x=filtered_data[i]
x_index=list(x.keys())
for j in range(number_of_full_subplots+1):
figure(j)
for i in range(len(filtered_data)):
y=filtered_data[i]
y_index=list(y.keys())
index_intersection = list(set(x_index)&set(y_index))
x_to_plot=x[index_intersection]
y_to_plot=y[index_intersection]
for k in range(16):
plt.subplot(4,4,k)
plt.scatter(x_to_plot,y_to_plot)
但是,這會生成3個適當大小的圖形,但每個空間中的圖形相同。 有人可以發現我的錯誤嗎?
這是'filtered_data'變量的示例。 它是由另一個函數創建的,是熊貓系列的列表。 對於每個x和y對,我僅在索引同時出現在兩個系列中時才繪制數據。
Name: RAR activation, dtype: float64, 0 168.806000
2 160.569000
4 175.428000
6 67.584900
7 218.879000
9 2.542630
11 1.822950
12 1.684010
14 0.818888
15 0.032629
21 0.001601
23 192.563000
Name: RAR deactivation, dtype: float64, 6 30.6522
7 30.7873
8 30.8454
9 30.9947
10 31.0030
11 31.1428
12 31.1922
13 31.2839
14 31.3500
15 31.5069
16 31.5113
17 31.5594
Name: Best Value, dtype: float64]
謝謝
def scatter_x_y(self,filtered_data,x_parameter,y_parameter):
for i in range(len(filtered_data)):
if filtered_data[i].name==x_parameter:
x=filtered_data[i]
x_index=list(x.keys())
elif filtered_data[i].name==y_parameter:
y=filtered_data[i]
y_index=list(y.keys())
index_intersection=list(set(x_index)&set(y_index))
plt.figure
plt.scatter(x[index_intersection],y[index_intersection])
plt.title('{} Versus {}'.format(x.name,y.name))
def scatter_x_yi(self,filtered_data,x_parameter):
PE=Parameter_Estimation_Tools()
number_of_full_subplots=len(filtered_data)/16
remainder=len(filtered)-(number_of_full_subplots*16)-1
yi=[]
for i in range(len(filtered_data)):
if filtered_data[i].name!=x_parameter:
yi.append(filtered_data[i])
try:
for i in range(len(filtered_data)):
for j in range(number_of_full_subplots+1):
plt.figure(j)
for k in range(16):
plt.subplot(4,4,k)
PE.scatter_x_y(filtered_data,x_parameter,yi[16*j+k].name)
except IndexError:
print '{} has been plotted against all other parameters'.format(x_parameter)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.