使用 Matplotlib 中的數字的動態子圖

Question

我想使用 matplotlib 和 pysimplegui 創建一個子圖，每次我 select 一些信號復選框（值列表）我應該得到一個對應的 plot 它會根據我的選擇動態增加或減小大小所以當我 select 一個復選框相應的 plot 將被繪制並等間距，當我取消選擇 plot 時，它應該消失，其他圖應該自動占據空間編程語言 - Python3 Matplotlib - 3.6.2

我的要求：

1. 我的子圖 (matplotlib) 中始終最多有 10 行和 1 列
2. 所以假設我在制作 1 plot 之后調用“plt.show()” 我的結果應該只有一個 plot 那一刻占據了整個數字
3. 現在我再添加一個 plot，然后調用“plt.show()”，現在它應該有 2 個地塊平均占據無花果，這對於 3、4、5...10 個地塊來說是一樣的，但所有這些地塊都應該有一個單個共享軸，以底部為准
4. 還有一種在任何時間刪除 plot 的方法，例如我制作一個 plot 說 axis1 然后我制作一個 plot axis2 現在我想要刪除 axis1 之后只有我的 axis2 plot 會占據整個數字

下面的代碼滿足了我的大部分要求，但只是軸不相互共享，而且每個地塊的大小也不同

reff1 ： 在創建軸后更改 matplotlib 子圖大小/位置reff2 ： 在 matplotlib 中動態添加/創建子圖

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

這是交互部分的基礎。

我在每次新選擇時從圖中刪除所有軸，並將新選擇的軸添加到相關的GridSpec上。

由於@lru_cache ，每次都不會重新繪制靜止軸。

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()