本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Data_Visualization函数语法：
add_gridspec(nrows,ncols,left,right,top,bottom,hspace,wspace)
-
nrows,ncols：网格的行数和列数，如果只有一个数字，则此数字代表行数。 -
left,right,top,bottom：gridspec网格占据图表的空间，单位是图表百分比。 -
wspace,hspace：gridspec各子图间的距离。
fig = plt.figure()
# 返回GridSpe
gs = fig.add_gridspec(2,2) # 创建2*2子图
子图配置实例：
-
实例1——等分的子图布局样式：
-
使用add_subplot()函数逐个添加 axes：
例如，创建2*2的子图布局：
fig = plt.figure()
# 返回GridSpe
gs = fig.add_gridspec(2,2) # 创建2*2子图
ax1 = fig.add_subplot(gs[0,0]) # 逐个添加 axes ，是 matplotlib 最初的工作方式
ax2 = fig.add_subplot(gs[0,1])
ax3 = fig.add_subplot(gs[1,0])
ax4 = fig.add_subplot(gs[1,1])
plt.show()
-
使用subplots()函数一次性添加多个子图：
fig = plt.figure()
# 返回GridSpe
gs = fig.add_gridspec(2,3) # 创建2*3子图
ax = gs.subplots() # 一次性添加多个子图，并且子图呈网格状排布
plt.show()
-
实例2——非等分的子图布局样式：
fig = plt.figure()
# 返回GridSpe
gs = fig.add_gridspec(3,3) # 创建3*3子图
ax1 = fig.add_subplot(gs[0:2,0:2]) # 切片模式
ax2 = fig.add_subplot(gs[0,2])
ax3 = fig.add_subplot(gs[1,2])
ax4 = fig.add_subplot(gs[2,0])
ax4 = fig.add_subplot(gs[2,1:]) # 切片模式
plt.show()
更多内容可以前往官网查看：
https://matplotlib.org/stable/
本篇文章来源于微信公众号: 码农设计师
