MatPlotLib-подзадачи подзадач или нескольких разбитых осевых диаграмм на одном участке

Интересно, можно ли создать подзадачи подзадачи. Причина, по которой я хочу сделать это, заключается в создании 3 разбитых осевых диаграмм на одном графике. Я понимаю, как создать одну сломанную диаграмму оси с кодом примера ниже, но так как сломанная диаграмма оси требует использования вложенных диаграмм, я теперь нахожусь в положении, где я пытаюсь использовать вложенные диаграммы для создания 3 столбцов, а затем вложить эти столбцы в вложенную диаграмму с 2 строками для создания сломанной диаграммы оси. Визуальное объяснение см. ниже.

"""
EXAMPLE OF A SINGLE BROKEN AXIS CHART
"""
import matplotlib.pyplot as plt
import numpy as np


# 30 points between 0 0.2] originally made using np.random.rand(30)*.2
ptsA = np.array([
    0.015, 0.166, 0.133, 0.159, 0.041, 0.024, 0.195, 0.039, 0.161, 0.018,
    0.143, 0.056, 0.125, 0.096, 0.094, 0.051, 0.043, 0.021, 0.138, 0.075,
    0.109, 0.195, 0.050, 0.074, 0.079, 0.155, 0.020, 0.010, 0.061, 0.008])

# Now let's make two outlier points which are far away from everything.
ptsA[[3, 14]] += .8

# 30 points between 0 0.2] originally made using np.random.rand(30)*.2
ptsB = np.array([
    0.015, 0.166, 0.133, 0.159, 0.041, 0.024, 0.195, 0.039, 0.161, 0.018,
    0.143, 0.056, 0.125, 0.096, 0.094, 0.051, 0.043, 0.021, 0.138, 0.075,
    0.109, 0.195, 0.050, 0.074, 0.079, 0.155, 0.020, 0.010, 0.061, 0.008])

# Now let's make two outlier points which are far away from everything.
ptsB[[1, 7, 9, 13, 15]] += .95

# If we were to simply plot pts, we'd lose most of the interesting
# details due to the outliers. So let's 'break' or 'cut-out' the y-axis
# into two portions - use the top (ax) for the outliers, and the bottom
# (ax2) for the details of the majority of our data
f, (ax, ax2) = plt.subplots(2, 1, sharex=True)

# plot the same data on both axes
ax.plot(ptsB)
ax2.plot(pts)

# zoom-in / limit the view to different portions of the data
ax.set_ylim(.78, 1.)  # outliers only
ax2.set_ylim(0, .22)  # most of the data

# hide the spines between ax and ax2
ax.spines['bottom'].set_visible(False)
ax2.spines['top'].set_visible(False)
ax.xaxis.tick_top()
ax.tick_params(labeltop='off')  # don't put tick labels at the top
ax2.xaxis.tick_bottom()

# This looks pretty good, and was fairly painless, but you can get that
# cut-out diagonal lines look with just a bit more work. The important
# thing to know here is that in axes coordinates, which are always
# between 0-1, spine endpoints are at these locations (0,0), (0,1),
# (1,0), and (1,1).  Thus, we just need to put the diagonals in the
# appropriate corners of each of our axes, and so long as we use the
# right transform and disable clipping.

d = .015  # how big to make the diagonal lines in axes coordinates
# arguments to pass plot, just so we don't keep repeating them
kwargs = dict(transform=ax.transAxes, color='k', clip_on=False)
ax.plot((-d, +d), (-d, +d), **kwargs)        # top-left diagonal
ax.plot((1 - d, 1 + d), (-d, +d), **kwargs)  # top-right diagonal

kwargs.update(transform=ax2.transAxes)  # switch to the bottom axes
ax2.plot((-d, +d), (1 - d, 1 + d), **kwargs)  # bottom-left diagonal
ax2.plot((1 - d, 1 + d), (1 - d, 1 + d), **kwargs)  # bottom-right diagonal

# What's cool about this is that now if we vary the distance between
# ax and ax2 via f.subplots_adjust(hspace=...) or plt.subplot_tool(),
# the diagonal lines will move accordingly, and stay right at the tips
# of the spines they are 'breaking'

plt.show()

желаемый результат
3 подуровня, каждый из которых содержит 2 подуровня

3 подуровня, каждый из которых содержит 2 подуровня

1 ответ

  1. Во-первых, вы не можете создать подзаголовок подзаголовка. Вложенные axesдиаграммы-это объекты, помещенные в фигуру, а оси не могут иметь «дочерние оси».

    Решение вашей проблемы будет состоять в создании 6 диаграмм и применении sharex=Trueк соответствующим осям.

    import matplotlib.pyplot as plt
    import numpy as np
    
    data = np.random.rand(17, 6)
    data[15:, 3:] = np.random.rand(2, 3)+3.
    
    markers=["o", "p", "s"]
    colors=["r", "g", "b"]
    
    fig=plt.figure(figsize=(10, 4))
    
    axes = []
    for i  in range(3):
        ax = fig.add_subplot(2,3,i+1)
        axes.append(ax)
    for i in range(3):
        ax = fig.add_subplot(2,3,i+4, sharex=axes[i])
        axes.append(ax)
    
    for i  in range(3):
        # plot same data in both top and down axes
        axes[i].plot(data[:,i], data[:,i+3], marker=markers[i], linestyle="", color=colors[i])
        axes[i+3].plot(data[:,i], data[:,i+3], marker=markers[i], linestyle="", color=colors[i])
    
    for i  in range(3):
        axes[i].spines['bottom'].set_visible(False)
        axes[i+3].spines['top'].set_visible(False)
        axes[i].xaxis.tick_top()
        axes[i].tick_params(labeltop='off')  # don't put tick labels at the top
        axes[i+3].xaxis.tick_bottom()
    
        axes[i].set_ylim([3,4])
        axes[i+3].set_ylim([0,1])
        axes[i].set_xlim([0,1])  
    
    #adjust space between subplots
    plt.subplots_adjust(hspace=0.08, wspace=0.4)     
    
    plt.show()
    

    Введите описание изображения здесь