up cp3

docs/_sources/第三回：布局格式定方圆/index.md.txt

@@ -10,7 +10,6 @@ kernelspec:
 # 第三回：布局格式定方圆
 
 
-
 ```{code-cell} ipython3
 import numpy as np
 import pandas as pd
@@ -23,7 +22,7 @@ plt.rcParams['axes.unicode_minus'] = False   #用来正常显示负号
 
 ### 1. 使用 `plt.subplots` 绘制均匀状态下的子图
 
-返回元素分别是画布和子图构成的列表，第一个数字为行，第二个为列
+返回元素分别是画布和子图构成的列表，第一个数字为行，第二个为列，不传入时默认值都为1
 
 `figsize` 参数可以指定整个画布的大小
 
@@ -47,8 +46,34 @@ fig.tight_layout()
 ```
 
 
+​    
+​    
 
 
+`subplots`是基于OO模式的写法，显式创建一个或多个axes对象，然后在对应的子图对象上进行绘图操作。  
+还有种方式是使用`subplot`这样基于pyplot模式的写法，每次在指定位置新建一个子图，并且之后的绘图操作都会指向当前子图，本质上`subplot`也是`Figure.add_subplot`的一种封装。
+
+在调用`subplot`时一般需要传入三位数字，分别代表总行数，总列数，当前子图的index
+
+
+```{code-cell} ipython3
+plt.figure()
+# 子图1
+plt.subplot(2,2,1) 
+plt.plot([1,2], 'r')
+# 子图2
+plt.subplot(2,2,2)
+plt.plot([1,2], 'b')
+#子图3
+plt.subplot(224)  # 当三位数都小于10时，可以省略中间的逗号，这行命令等价于plt.subplot(2,2,4) 
+plt.plot([1,2], 'g');
+```
+
+
+​    
+
+​    
+
 
 除了常规的直角坐标系，也可以通过`projection`方法创建极坐标系下的图表
 
@@ -66,6 +91,11 @@ plt.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75);
 ```
 
 
+```{admonition} 练一练
+<p>请思考如何用极坐标系画出类似的玫瑰图</p>
+<img src="http://www.hinews.cn/news/pic/003/205/569/00320556959_f01764d0.jpg" width="300" align="bottom" />
+
+```
 
 
 
@@ -92,7 +122,9 @@ fig.tight_layout()
 ```
 
 
+​    
 
+​    
 
 
 在上面的例子中出现了 `spec[i, j]` 的用法，事实上通过切片就可以实现子图的合并而达到跨图的共能
@@ -121,39 +153,14 @@ fig.tight_layout()
 ```
 
 
+​    
 
+​    
 
 
 ## 二、子图上的方法
 
-在 `ax` 对象上定义了和 `plt` 类似的图形绘制函数，常用的有： `plot, hist, scatter, bar, barh, pie`
-
-
-```{code-cell} ipython3
-fig, ax = plt.subplots(figsize=(4,3))
-ax.plot([1,2],[2,1]);
-```
-
-
-
-
-
-
-```{code-cell} ipython3
-fig, ax = plt.subplots(figsize=(4,3))
-ax.hist(np.random.randn(1000));
-```
-
-
-
-
-
-
-
-
-
-
-
+补充介绍一些子图上的方法
 
 常用直线的画法为： `axhline, axvline, axline` （水平、垂直、任意方向）
 
@@ -166,91 +173,64 @@ ax.axline([0.3,0.3],[0.7,0.7]);
 ```
 
 
+​    
 
-
+​    
 
 
 使用 `grid` 可以加灰色网格
 
+
 ```{code-cell} ipython3
 fig, ax = plt.subplots(figsize=(4,3))
 ax.grid(True)
 ```
 
 
+​    
+
+​    
 
 
-使用 `set_xscale, set_title, set_xlabel` 分别可以设置坐标轴的规度（指对数坐标等）、标题、轴名
+使用 `set_xscale` 可以设置坐标轴的规度（指对数坐标等）
+
 
 ```{code-cell} ipython3
 fig, axs = plt.subplots(1, 2, figsize=(10, 4))
-fig.suptitle('大标题', size=20)
 for j in range(2):
     axs[j].plot(list('abcd'), [10**i for i in range(4)])
     if j==0:
         axs[j].set_yscale('log')
-        axs[j].set_title('子标题1')
-        axs[j].set_ylabel('对数坐标')
     else:
-        axs[j].set_title('子标题1')
-        axs[j].set_ylabel('普通坐标')
+        pass
 fig.tight_layout()
 ```
 
 
+​    
+
+​    
+
+
+## 思考题
+
+- 墨尔本1981年至1990年的每月温度情况  
+
+数据集来自github仓库下data/layout_ex1.csv  
+请利用数据，画出如下的图：
+
+<img src="https://s1.ax1x.com/2020/11/01/BwvCse.png" width="800" align="bottom" />
 
 
 
-与一般的 `plt` 方法类似， `legend, annotate, arrow, text` 对象也可以进行相应的绘制
+-  画出数据的散点图和边际分布
 
+用 `np.random.randn(2, 150)` 生成一组二维数据，使用两种非均匀子图的分割方法，做出该数据对应的散点图和边际分布图
 
-```{code-cell} ipython3
-fig, ax = plt.subplots()
-ax.arrow(0, 0, 1, 1, head_width=0.03, head_length=0.05, facecolor='red', edgecolor='blue')
-ax.text(x=0, y=0,s='这是一段文字', fontsize=16, rotation=70, rotation_mode='anchor', color='green')
-ax.annotate('这是中点', xy=(0.5, 0.5), xytext=(0.8, 0.2), arrowprops=dict(facecolor='yellow', edgecolor='black'), fontsize=16);
-```
+<img src="https://s1.ax1x.com/2020/11/01/B0pEnS.png" width="400" height="400" align="bottom" />
 
 
 
 
 
 
-
-
-
-
-
-
-```{code-cell} ipython3
-fig, ax = plt.subplots()
-ax.plot([1,2],[2,1],label="line1")
-ax.plot([1,1],[1,2],label="line1")
-ax.legend(loc=1);
-```
-
-
-
-
-
-
-其中，图例的 `loc` 参数如下：
-
-|  string   | code  |
-|  ----  | ----  |
-| best  | 0 |
-| upper right  | 1 |
-| upper left  | 2 |
-| lower left  | 3 |
-| lower right  | 4 |
-| right  | 5 |
-| center left  | 6 |
-| center right  | 7 |
-| lower center  | 8 |
-| upper center  | 9 |
-| center  | 10 |
-
-
-## 参考资料
-
-[1.matplotlib官网布局使用指南](https://matplotlib.org/stable/tutorials/intermediate/gridspec.html#sphx-glr-tutorials-intermediate-gridspec-py)