使用不同标题的matplotlib创建子图

Question

我创建了一个小程序，它执行线性和多项式回归。 目前，两种回归都在同一张图上。我想把它们放在两个不同的图中（制作子图），但我也想有不同的标题（线性回归和多项式回归）。你知道吗

我不知道怎么做，你能帮我吗？你知道吗

import numpy as np
import matplotlib.pyplot as plt
import math

X = np.array([1,2,3,5,6,7,4,7,8,9,5,10,11,7,6,6,10,11,11,12,13,13,14])
Y = np.array([2,3,5,8,11,14,9,19,15,19,15,16,14,7,13,13,14,13,23,25,26,27,33])

#_______________ polinomial ________________

koeficienti_polinom = np.polyfit(X, Y, 2)

a=koeficienti_polinom[0]
b=koeficienti_polinom[1]
c=koeficienti_polinom[2]

xval=np.linspace(np.min(X), np.max(X))

regression=a * xval**2 + b*xval + c 

predX = float(input("Enter: "))    
predY = a * predX**2 + b*predX + c       

plt.scatter(X,Y, s=20, color="blue" )      
plt.scatter(predX, predY, color="red")  
plt.plot(xval, regression, color="black", linewidth=1) 

print("Polynomial: ",round(predY,2))

#________________ linear _________________

koeficienti_linear = np.polyfit(X, Y, 1)

a1=koeficienti_linear[0]
b1=koeficienti_linear[1]

xval1=np.linspace(np.min(X), np.max(X)) 

regression1=a1 * xval1 + b1 

predY1 = a1 * predX+ b1 

plt.scatter(predX, predY1, color="red")  
plt.subplot(2,2,2)

plt.plot(xval1, regression1, color="black", linewidth=1) 


plt.xlabel("Size")
plt.ylabel("Costs") 
plt.title("Cost Prediction Graph")  
plt.grid()  

print("Linear: ", round(predY1,2))

plt.show()

Answer 1

您需要使用matplotlib的^{}命令。传递plt.subplots所需的行数和列数。它将在一个元组中返回它所创建的具有指定行数和列数的图形，以及一个“axis数组”，它是由num cols组成的维度num rows的numpy数组。可以像访问numpy数组一样访问axis数组中的特定轴集。你知道吗

常用语法如下：

fig, axarr = plt.subplots(2, 2) # generate figure and axis array

axarr[0][0].plot(some_x_data, some_y_data)
axarr[0][0].set_title("Upper left-hand plot")
axarr[0][0].set_xlabel("x")
axarr[0][0].set_ylabel("y")

axarr[0][1].scatter(some_x_data, some_y_data)
axarr[0][1].set_title("Upper right plot")

axarr[1][0].scatter(some_x_data, some_y_data)
axarr[1][0].set_title("Lower left plot")

axarr[1][1].scatter(some_x_data, some_y_data)
axarr[1][1].set_title("Lower right plot")

先试试这个

#_______________ polinomial ________________

koeficienti_polinom = np.polyfit(X, Y, 2)

a=koeficienti_polinom[0]
b=koeficienti_polinom[1]
c=koeficienti_polinom[2]

xval=np.linspace(np.min(X), np.max(X))

regression=a * xval**2 + b*xval + c

predX = float(input("Enter: "))
predY = a * predX**2 + b*predX + c


fig, axarr = plt.subplots(2, 2)

axarr[0][0].scatter(X,Y, s=20, color="blue" )
axarr[0][0].scatter(predX, predY, color="red")
axarr[0][0].plot(xval, regression, color="black", linewidth=1)
axarr[0][0].set_title("Polynomial")
axarr[0][0].grid()

print("Polynomial: ",round(predY,2))

#________________ linear _________________

koeficienti_linear = np.polyfit(X, Y, 1)

a1=koeficienti_linear[0]
b1=koeficienti_linear[1]

xval1=np.linspace(np.min(X), np.max(X))

regression1=a1 * xval1 + b1

predY1 = a1 * predX+ b1

# idk what this plot is but its just a dot.
axarr[0][1].scatter(predX, predY1, color="red")
axarr[0][1].set_title("predX vs predY1")
axarr[0][1].set_xlabel("predX")
axarr[0][1].set_ylabel("predY1")

# this one looks like its the linear one you want
axarr[1][0].plot(xval1, regression1, color="black", linewidth=1)
axarr[1][0].set_xlabel("Size")
axarr[1][0].set_ylabel("Costs")
axarr[1][0].set_title("Cost Prediction Graph")
axarr[1][0].grid()

fig.tight_layout()
print("Linear: ", round(predY1, 2))

plt.show()