Matplotlib如何在所有子图上显示x轴刻度和唯一的y标签？

Question

我正在绘制两个子图，它们共享相同的x轴，但是当我绘制时，我只能在第二个子图上看到x轴刻度。如何使两个子图上的x轴刻度都可见？

同时，我想为两个子图设置y标签，但只有第二个可见。请帮忙在两个子图上显示y标签。

以下是可以重现的代码。

#!/usr/bin/python3
import pandas as pd
desired_width = 1500
pd.set_option('display.width', desired_width)
import matplotlib.pyplot as plt
import numpy as np


df = pd.DataFrame([{'DATETIME': '2017-09-29 01:00,', 'Population': 1000, 'Temp': 90, 'State': 'California'},
                   {'DATETIME': '2017-09-29 01:00,', 'Population': 2000, 'Temp': 70, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 01:00,', 'Population': 3000, 'Temp': 50, 'State': 'Georgia'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 2000, 'Temp': 40, 'State': 'California'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 6000, 'Temp': 20, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 4000, 'Temp': 30, 'State': 'Georgia'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 3000, 'Temp': 40, 'State': 'California'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 4000, 'Temp': 60, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 2000, 'Temp': 80, 'State': 'Georgia'}])

df.index = df['DATETIME']
df.index = (pd.to_datetime(df.index)).strftime("%m/%d %H:00")

fig, axes = plt.subplots(nrows=2, ncols=1, sharex=True)

df.groupby('State')['Population'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[0])
plt.ylabel('Pop')
df.groupby('State')['Temp'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[1])
plt.ylabel('Temp')
plt.tick_params(axis='both', which='both', labelsize=7)
plt.tight_layout()
plt.show()

当前图表输出：

- MBasith

---

删除sharex=True会在两个子图上显示，但第一个图的格式不正确。我希望使用指定的参数在所有子图上显示x轴格式化。我还希望有独特的y标签。 - MBasith

Answer 1

正如其他答案所提到的，要在两个子图上显示ylabel，可以使用面向对象的接口：axes[0].set_ylabel和axes[1].set_ylabel。

您还应该在两个轴上使用.tick_params以获取相同大小的刻度标签等。

最后，为了在第一个子图上显示刻度标签，与循环所有刻度并将它们设置为可见的方法不同，您可以通过只给一个选项tick_params来实现相同的效果：labelbottom=True。

fig, axes = plt.subplots(nrows=2, ncols=1, sharex=True)

df.groupby('State')['Population'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[0])
axes[0].set_ylabel('Pop')
df.groupby('State')['Temp'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[1])
axes[1].set_ylabel('Temp')
axes[0].tick_params(axis='both', which='both', labelsize=7, labelbottom=True)
axes[1].tick_params(axis='both', which='both', labelsize=7)

- tmdavison

---

{btsdaf} - DavidG

你基本上是在撤销 matplotlib 在设置 sharex 时在幕后所做的工作，因为它会将除底部子图外的所有子图的 labelbottom 设为 False。 - tmdavison

labelbottom=True 对我不起作用。 - chill appreciator

Answer 2

有几件事情可以做。要么移除sharex=True，或者如果想使用它，sharex将x轴刻度设置为不可见即set_visible(False)。因此，您可以将它们设置为True以停止此操作。

为了使子图格式相同，您需要使用axes[0].tick_params(axis='both', which='both', labelsize=7)为每个子图设置刻度参数（即重复axes[1]）。

请注意，我个人更喜欢使用matpotlib面向对象的API，即使用ax.set_ylabel()而不是plt.ylabel()，因为我认为这样可以更好地控制使用哪些子图和坐标轴。因此，在这方面，我稍微修改了您的代码。

df = pd.DataFrame([{'DATETIME': '2017-09-29 01:00,', 'Population': 1000, 'Temp': 90, 'State': 'California'},
                   {'DATETIME': '2017-09-29 01:00,', 'Population': 2000, 'Temp': 70, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 01:00,', 'Population': 3000, 'Temp': 50, 'State': 'Georgia'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 2000, 'Temp': 40, 'State': 'California'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 6000, 'Temp': 20, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 02:00,', 'Population': 4000, 'Temp': 30, 'State': 'Georgia'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 3000, 'Temp': 40, 'State': 'California'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 4000, 'Temp': 60, 'State': 'Illinois'},
                   {'DATETIME': '2017-09-29 03:00,', 'Population': 2000, 'Temp': 80, 'State': 'Georgia'}])

df.index = df['DATETIME']
df.index = (pd.to_datetime(df.index)).strftime("%m/%d %H:00")

fig, axes = plt.subplots(nrows=2, ncols=1, sharex=True)

df.groupby('State')['Population'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[0])
axes[0].set_ylabel('Pop')
df.groupby('State')['Temp'].plot(kind='line', linestyle='--', alpha=0.5, marker='o', legend=True, ax=axes[1])
axes[1].set_ylabel('Temp')

# Set the formatting the same for both subplots
axes[0].tick_params(axis='both', which='both', labelsize=7)
axes[1].tick_params(axis='both', which='both', labelsize=7)

# set ticks visible, if using sharex = True. Not needed otherwise
for tick in axes[0].get_xticklabels():
    tick.set_visible(True)

plt.tight_layout()
plt.show()

这将产生：

- DavidG

---

{btsdaf} - MBasith

它在Matplotlib 3.3.2中不再起作用。 - Serge Mosin

Answer 3

关于第一个问题，我建议不要添加额外的墨水来混淆情节。

现在，关于y轴标签。你必须使用从plt.subplots得到的坐标轴，将plt.ylabel('Pop')替换为axes[0].set_ylabel('Pop')和plt.ylabel('Pop')替换为axes[1].set_ylabel('Temp')。

- Ignacio Vergara Kausel

Answer 4

从fig，axes = plt.subplots（nrows = 2，ncols = 1，sharex = True）中删除sharex = True以获得单独的x轴。

对于y轴标签：

axes[0].set_ylabel('Pop')
axes[1].set_ylabel('Temp')

- Karl Anka