python如何把两个图合在一起

要将两个图合在一起，可以使用Python中的Matplotlib库。 具体方法包括使用subplot、使用axes。 使用subplot可以将多个图排列在一个图形窗口中，而使用axes可以自由地在图形窗口中放置图形。下面将详细介绍这两种方法以及其他相关的技巧。

一、使用Subplot将两个图合在一起

1.1 Subplot的基本用法

Matplotlib的subplot函数允许你在一个图形窗口中排列多个子图。使用subplot时，你需要指定图形窗口的行数、列数和子图的索引。

import matplotlib.pyplot as plt
创建一个包含2行1列的图形窗口
fig, (ax1, ax2) = plt.subplots(2, 1)
在第一个子图中绘制
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('First subplot')
在第二个子图中绘制
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Second subplot')
plt.show()

1.2 调整Subplot布局

有时，默认的subplot布局可能不适合你的需求。你可以使用plt.subplots_adjust函数来调整子图之间的间距。

fig, axs = plt.subplots(2, 1, figsize=(6, 8))
fig.subplots_adjust(hspace=0.5)  # 调整子图之间的间距
axs[0].plot([1, 2, 3], [4, 5, 6])
axs[0].set_title('First subplot')
axs[1].plot([1, 2, 3], [6, 5, 4])
axs[1].set_title('Second subplot')
plt.show()

1.3 使用GridSpec进行更复杂的布局

如果你需要更加复杂的子图布局，Matplotlib的GridSpec模块可以帮助你精细控制子图的位置和大小。

import matplotlib.gridspec as gridspec
fig = plt.figure(figsize=(8, 6))
gs = gridspec.GridSpec(2, 2, width_ratios=[2, 1], height_ratios=[1, 2])
ax1 = fig.add_subplot(gs[0])
ax2 = fig.add_subplot(gs[1])
ax3 = fig.add_subplot(gs[2])
ax4 = fig.add_subplot(gs[3])
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('First subplot')
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Second subplot')
ax3.plot([1, 2, 3], [4, 5, 6])
ax3.set_title('Third subplot')
ax4.plot([1, 2, 3], [6, 5, 4])
ax4.set_title('Fourth subplot')
plt.tight_layout()
plt.show()

二、使用Axes将两个图合在一起

2.1 在同一图形窗口中自由放置多个Axes

使用Matplotlib的axes函数，你可以在同一图形窗口中自由放置多个图形。

fig = plt.figure(figsize=(8, 6))
创建第一个图形
ax1 = fig.add_axes([0.1, 0.5, 0.8, 0.4])  # [left, bottom, width, height]
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('First Axes')
创建第二个图形
ax2 = fig.add_axes([0.1, 0.1, 0.8, 0.3])
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Second Axes')
plt.show()

2.2 使用Axes实现嵌套图形

你还可以使用axes函数在一个图形中嵌套另一个图形。这在需要展示详细视图或插入小图时非常有用。

fig = plt.figure(figsize=(8, 6))
创建主图形
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('Main Axes')
在主图形中嵌套一个小图形
ax2 = fig.add_axes([0.6, 0.6, 0.25, 0.25])
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Inset Axes')
plt.show()

三、使用Matplotlib的其他功能增强图形效果

3.1 添加图例和注释

在合并的图形中添加图例和注释可以增强图形的可读性和信息量。

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 6))
ax1.plot([1, 2, 3], [4, 5, 6], label='Line 1')
ax1.plot([1, 2, 3], [6, 5, 4], label='Line 2')
ax1.set_title('First subplot')
ax1.legend(loc='best')
ax1.annotate('Important Point', xy=(2, 5), xytext=(2.5, 5.5),
             arrowprops=dict(facecolor='black', shrink=0.05))
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Second subplot')
plt.tight_layout()
plt.show()

3.2 使用共享轴

在某些情况下，使用共享轴可以使比较多个子图的数据变得更加直观。

fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True, figsize=(8, 6))
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('First subplot')
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Second subplot')
plt.show()

3.3 保存图形

最后，你可能需要将合并的图形保存为文件。Matplotlib的savefig函数可以帮助你做到这一点。

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 6))
ax1.plot([1, 2, 3], [4, 5, 6])
ax1.set_title('First subplot')
ax2.plot([1, 2, 3], [6, 5, 4])
ax2.set_title('Second subplot')
plt.tight_layout()
plt.savefig('combined_plot.png')
plt.show()

四、使用Seaborn和Pandas进行高级可视化

除了Matplotlib，你还可以使用Seaborn和Pandas来创建更加复杂和美观的图形。

4.1 使用Seaborn进行高级可视化

Seaborn是基于Matplotlib的高级可视化库，它提供了许多高级的绘图功能和更加美观的默认样式。

import seaborn as sns
import pandas as pd
创建示例数据
data = pd.DataFrame({
    'x': [1, 2, 3, 4, 5],
    'y1': [4, 5, 6, 7, 8],
    'y2': [8, 7, 6, 5, 4]
})
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 6))
使用Seaborn绘图
sns.lineplot(data=data, x='x', y='y1', ax=ax1)
ax1.set_title('First subplot')
sns.lineplot(data=data, x='x', y='y2', ax=ax2)
ax2.set_title('Second subplot')
plt.tight_layout()
plt.show()

4.2 使用Pandas进行绘图

Pandas的DataFrame对象也提供了直接绘图的功能，这对于处理和可视化时间序列数据特别有用。

data = pd.DataFrame({
    'x': [1, 2, 3, 4, 5],
    'y1': [4, 5, 6, 7, 8],
    'y2': [8, 7, 6, 5, 4]
})
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 6))
使用Pandas绘图
data.plot(x='x', y='y1', ax=ax1, legend=False)
ax1.set_title('First subplot')
data.plot(x='x', y='y2', ax=ax2, legend=False)
ax2.set_title('Second subplot')
plt.tight_layout()
plt.show()