python - 了解 matplotlib 中 subplot 和 add_subplot(散点)图之间的区别

Question

我试图理解为什么下面的图看起来如此不同

plt.subplot(projection='3d')
plt.scatter(position1[:,0], position1[:,1], position1[:,2], marker='.')
plt.scatter(position2[:,0], position2[:,1], position2[:,2], marker='.')
plt.show()

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')
ax.scatter(position1[:,0], position1[:,1], position1[:,2], marker='.')
ax.scatter(position2[:,0], position2[:,1], position2[:,2], marker='.')
plt.show()

基本上，如果我只想要一个情节，我不明白为什么我需要添加一个次要情节。所以凭直觉我会使用第一个情节，但他们没有给出相同的结果？

Answer 1

区别不在于plt.subplot和fig.add_subplot。
而是在第一种情况下使用 pyplot 的散点函数 plt.scatter，在第二种情况下使用轴的 scatter，ax.scatter.

plt.scatter 是一个二维函数。它将其第三个参数解释为散点的大小并绘制二维散点图。 (您会看到 z 轴根本没有缩放。)

当使用 ax.scatter 时，ax 是一个 3D 轴 (matplotlib.axes._subplots.Axes3DSubplot)。它的 scatter 方法与 2D 情况不同，因为它需要 3 个参数 x,y,z 作为输入。

现在您可以同时使用 plt.subplot 和 fig.add_subplot 进行 3D 绘图，但您不能使用 plt.scatter在他们中的任何一个。相反，您需要在这两种情况下使用 ax.scatter，确保调用 matplotlib.axes._subplots.Axes3DSubplot 的 scatter 方法.

• 一种选择是使用 plt.gca() 获取当前轴(即 3D 轴):

  plt.subplot(projection='3d')
  plt.gca().scatter(position1[:,0], position1[:,1], position1[:,2], marker='.')
  plt.gca().scatter(position2[:,0], position2[:,1], position2[:,2], marker='.')
  plt.show()
  

• 您还可以通过调用 `plt.subplot() 获取坐标轴

  ax = plt.subplot(projection='3d')
  ax.scatter(position1[:,0], position1[:,1], position1[:,2], marker='.')
  ax.scatter(position2[:,0], position2[:,1], position2[:,2], marker='.')
  plt.show()
  

• 当然，您可以使用您已经找到的工作方式，

  fig = plt.figure()
  ax = fig.add_subplot(111, projection='3d')
  ax.scatter(position1[:,0], position1[:,1], position1[:,2], marker='.')
  ax.scatter(position2[:,0], position2[:,1], position2[:,2], marker='.')
  plt.show()
  

• 或者您可以使用 plt.subplots(注意 s)同时获取图形和坐标轴句柄，

  fig, ax = plt.subplots(subplot_kw=dict(projection="3d"))
  ax.scatter(position1[:,0], position1[:,1], position1[:,2], marker='.')
  ax.scatter(position2[:,0], position2[:,1], position2[:,2], marker='.')
  plt.show()
  

在所有情况下结果都是一样的。