Python子图共享图例的实现指南

在数据可视化中，子图共享图例是一个非常常用的功能，它能有效减少图形的冗余，提升图表的可读性。在这篇文章中，我将会详细指导你如何在Python中实现子图共享图例的功能。

实现流程

我们可以将实现过程分为四个主要步骤，具体如下表所示：

步骤 描述 代码示例
1. 引入库 导入所需的库 import matplotlib.pyplot as plt
2. 创建子图 使用subplots方法创建子图 fig, axs = plt.subplots(2, 2)
3. 绘制数据 在每个子图上绘制数据 axs[0, 0].plot(...)
4. 添加图例 创建共享图例 fig.legend(...)

详细步骤

1. 引入库

首先，我们需要引入Matplotlib库，这是Python山科学计算和数据可视化中的标准库。

import matplotlib.pyplot as plt  # 导入Matplotlib库

2. 创建子图

接下来，我们使用plt.subplots方法来创建一个包含多个子图的图形。以下示例创建一个2x2的子图布局。

fig, axs = plt.subplots(2, 2)  # 创建2行2列的子图，返回图形对象fig和子图数组axs

3. 绘制数据

我们将在每个子图上绘制不同的数据。这里我将向你展示如何在每一个子图上绘制不同的曲线。

import numpy as np  # 导入NumPy库用于生成数据

# 创建X轴数据
x = np.linspace(0, 10, 100)

# 在第一个子图绘制sin函数
axs[0, 0].plot(x, np.sin(x), label='sin(x)')  # 绘制sin(x)

# 在第二个子图绘制cos函数
axs[0, 1].plot(x, np.cos(x), label='cos(x)', color='orange')  # 绘制cos(x)

# 在第三个子图绘制tan函数
axs[1, 0].plot(x, np.tan(x), label='tan(x)', color='green')  # 绘制tan(x)

# 在第四个子图绘制exp函数
axs[1, 1].plot(x, np.exp(x/10), label='exp(x)', color='red')  # 绘制exp(x)

4. 添加图例

我们希望在这些子图中共享一个图例。我们可以通过在fig对象上调用legend方法来实现。

fig.legend(loc='upper center', ncol=4)  # 在图形的上方中央添加共享图例，ncol表示图例的列数

整体代码

最终，我们将所有的代码组合在一起如下所示：

import matplotlib.pyplot as plt  # 导入Matplotlib库
import numpy as np  # 导入NumPy库用于生成数据

# 创建X轴数据
x = np.linspace(0, 10, 100)

# 创建2行2列的子图
fig, axs = plt.subplots(2, 2)

# 在第一个子图绘制sin函数
axs[0, 0].plot(x, np.sin(x), label='sin(x)')  # 绘制sin(x)

# 在第二个子图绘制cos函数
axs[0, 1].plot(x, np.cos(x), label='cos(x)', color='orange')  # 绘制cos(x)

# 在第三个子图绘制tan函数
axs[1, 0].plot(x, np.tan(x), label='tan(x)', color='green')  # 绘制tan(x)

# 在第四个子图绘制exp函数
axs[1, 1].plot(x, np.exp(x/10), label='exp(x)', color='red')  # 绘制exp(x)

# 在图形的上方中央添加共享图例，ncol表示图例的列数
fig.legend(loc='upper center', ncol=4)

# 显示绘图结果
plt.tight_layout()  # 调整子图间距
plt.show()  # 显示图形

状态图

我们也可以使用状态图来表示这个流程。请查看下面的mermaid语法状态图：

stateDiagram
    [*] --> 引入库
    引入库 --> 创建子图
    创建子图 --> 绘制数据
    绘制数据 --> 添加图例
    添加图例 --> [*]

饼状图示例

为了展示如何在Python中使用matplotlib和mermaid实现饼状图，以下是饼状图的示例代码：

labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

plt.pie(sizes, labels=labels, autopct='%1.1f%%')  # 创建饼状图，autopct用于显示百分比
plt.axis('equal')  # 使饼图是一个正圆形
plt.show()  # 显示饼状图

也可以用mermaid语言表示饼图如下：

pie
    title 数据分布
    "A": 15
    "B": 30
    "C": 45
    "D": 10

结尾

通过上述步骤，你应该学会了如何在Python中创建子图，以及如何实现共享图例的功能。这种方法不仅旨在美化图表，更能让数据展示更加直观。希望这篇文章对你有所帮助，祝你在数据可视化的道路上越走越远！如有任何问题，请随时向我咨询。