Nhúng các ô nhỏ bên trong các ô con trong matplotlib

Question

Nếu bạn muốn chèn một ô nhỏ bên trong ô lớn hơn, bạn có thể sử dụng Axes, như here.

Vấn đề là tôi không biết làm thế nào để làm tương tự bên trong một subplot.

Tôi có một vài điểm con và tôi muốn vẽ một ô nhỏ bên trong mỗi ô con. Mã ví dụ sẽ có dạng như sau:

import numpy as np 
import matplotlib.pyplot as plt 

fig = plt.figure() 

for i in range(4): 
    ax = fig.add_subplot(2,2,i) 
    ax.plot(np.arange(11),np.arange(11),'b') 

    #b = ax.axes([0.7,0.7,0.2,0.2]) 
    #it gives an error, AxesSubplot is not callable 

    #b = plt.axes([0.7,0.7,0.2,0.2]) 
    #plt.plot(np.arange(3),np.arange(3)+11,'g') 
    #it plots the small plot in the selected position of the whole figure, not inside the subplot 

Bất kỳ ý tưởng nào?

Cảm ơn trước!

Answer 1

Tôi đã viết một hàm rất giống với plt.axes. Bạn có thể sử dụng nó cho âm mưu của bạn sub-subplots. Có một ví dụ ...

import matplotlib.pyplot as plt 
import numpy as np 

def add_subplot_axes(ax,rect,axisbg='w'): 
    fig = plt.gcf() 
    box = ax.get_position() 
    width = box.width 
    height = box.height 
    inax_position = ax.transAxes.transform(rect[0:2]) 
    transFigure = fig.transFigure.inverted() 
    infig_position = transFigure.transform(inax_position)  
    x = infig_position[0] 
    y = infig_position[1] 
    width *= rect[2] 
    height *= rect[3] # <= Typo was here 
    subax = fig.add_axes([x,y,width,height],axisbg=axisbg) 
    x_labelsize = subax.get_xticklabels()[0].get_size() 
    y_labelsize = subax.get_yticklabels()[0].get_size() 
    x_labelsize *= rect[2]**0.5 
    y_labelsize *= rect[3]**0.5 
    subax.xaxis.set_tick_params(labelsize=x_labelsize) 
    subax.yaxis.set_tick_params(labelsize=y_labelsize) 
    return subax 

def example1(): 
    fig = plt.figure(figsize=(10,10)) 
    ax = fig.add_subplot(111) 
    rect = [0.2,0.2,0.7,0.7] 
    ax1 = add_subplot_axes(ax,rect) 
    ax2 = add_subplot_axes(ax1,rect) 
    ax3 = add_subplot_axes(ax2,rect) 
    plt.show() 

def example2(): 
    fig = plt.figure(figsize=(10,10)) 
    axes = [] 
    subpos = [0.2,0.6,0.3,0.3] 
    x = np.linspace(-np.pi,np.pi) 
    for i in range(4): 
     axes.append(fig.add_subplot(2,2,i)) 
    for axis in axes: 
     axis.set_xlim(-np.pi,np.pi) 
     axis.set_ylim(-1,3) 
     axis.plot(x,np.sin(x)) 
     subax1 = add_subplot_axes(axis,subpos) 
     subax2 = add_subplot_axes(subax1,subpos) 
     subax1.plot(x,np.sin(x)) 
     subax2.plot(x,np.sin(x)) 
if __name__ == '__main__': 
    example2() 
    plt.show() 

Answer 2

Bây giờ bạn có thể làm điều này với matplotlibs inset_axes phương pháp (xem docs):

from mpl_toolkits.axes_grid.inset_locator import inset_axes 
inset_axes = inset_axes(parent_axes, 
        width="30%", # width = 30% of parent_bbox 
        height=1., # height : 1 inch 
        loc=3) 

---

Cập nhật: Như Kuti nhọn ra, đối với phiên bản matplotlib 2.1 trở lên, bạn nên thay đổi câu lệnh nhập thành:

from mpl_toolkits.axes_grid1.inset_locator import inset_axes 

Answer 3

from mpl_toolkits.axes_grid.inset_locator import inset_axes 
import matplotlib.pyplot as plt 
import numpy as np 

# create some data to use for the plot 
dt = 0.001 
t = np.arange(0.0, 10.0, dt) 
r = np.exp(-t[:1000]/0.05)    # impulse response 
x = np.random.randn(len(t)) 
s = np.convolve(x, r)[:len(x)]*dt # colored noise 

fig = plt.figure(figsize=(9, 4),facecolor='white') 
ax = fig.add_subplot(121) 
# the main axes is subplot(111) by default 
plt.plot(t, s) 
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)]) 
plt.xlabel('time (s)') 
plt.ylabel('current (nA)') 
plt.title('Subplot 1: \n Gaussian colored noise') 

# this is an inset axes over the main axes 
inset_axes = inset_axes(ax, 
        width="50%", # width = 30% of parent_bbox 
        height=1.0, # height : 1 inch 
        loc=1) 
n, bins, patches = plt.hist(s, 400, normed=1) 
#plt.title('Probability') 
plt.xticks([]) 
plt.yticks([]) 

ax = fig.add_subplot(122) 
# the main axes is subplot(111) by default 
plt.plot(t, s) 
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)]) 
plt.xlabel('time (s)') 
plt.ylabel('current (nA)') 
plt.title('Subplot 2: \n Gaussian colored noise') 

plt.tight_layout() 
plt.show()