python 一个figure上显示多个图像的实例

方法一：主要是inshow()函数的使用

首先基本的画图流程为：

import matplotlib.pyplot as plt 

#创建新的figure
fig = plt.figure()

#必须通过add_subplot()创建一个或多个绘图
#ax = fig.add_subplot(221)

#绘制2x2两行两列共四个图，编号从1开始
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)

#图片的显示
plt.show()

然后就会有四个在同一张图上的figure

然后我们可以用python中的Matplotlib库中的，imshow()函数实现绘图。imshow()可以用来绘制热力图

#coding=utf-8
import matplotlib.pyplot as plt
import numpy as np

points = np.arange(-5,5,0.01)

xs,ys = np.meshgrid(points,points)

z = np.sqrt(xs**2 + ys**2)

#创建新的figure
fig = plt.figure()

#绘制2x2两行两列共四个图，编号从1开始
ax = fig.add_subplot(221)
ax.imshow(z)

ax = fig.add_subplot(222)
#使用自定义的colormap(灰度图)
ax.imshow(z,cmap=plt.cm.gray)

ax = fig.add_subplot(223)
#使用自定义的colormap
ax.imshow(z,cmap=plt.cm.cool)

ax = fig.add_subplot(224)
#使用自定义的colormap
ax.imshow(z,cmap=plt.cm.hot)

#图片的显示
plt.show()

方法二：subplot的使用，在python中，可以用subplot绘制子图。

常用方法：pl.subplot(121)第一个1代表1行，第二个2代表两列，第三个1代表第一个图。

  # -*- coding: utf-8 -*-
 """
 演示二维插值。
 """
 import numpy as np
 from scipy import interpolate
 import pylab as pl
 import matplotlib as mpl 

 def func(x, y):
  return (x+y)*np.exp(-5.0*(x**2 + y**2)) 

 # X-Y轴分为15*15的网格
 y,x= np.mgrid[-1:1:15j, -1:1:15j] 

 fvals = func(x,y) # 计算每个网格点上的函数值 15*15的值
 print len(fvals[0]) 

 #三次样条二维插值
 newfunc = interpolate.interp2d(x, y, fvals, kind='cubic') 

 # 计算100*100的网格上的插值
 xnew = np.linspace(-1,1,100)#x
 ynew = np.linspace(-1,1,100)#y
 fnew = newfunc(xnew, ynew)#仅仅是y值 100*100的值 

 # 绘图
 # 为了更明显地比较插值前后的区别，使用关键字参数interpolation='nearest'
 # 关闭imshow()内置的插值运算。
 pl.subplot(121)
 im1=pl.imshow(fvals, extent=[-1,1,-1,1], cmap=mpl.cm.hot, interpolation='nearest', origin="lower")#pl.cm.jet
 #extent=[-1,1,-1,1]为x,y范围 favals为
 pl.colorbar(im1) 

 pl.subplot(122)
 im2=pl.imshow(fnew, extent=[-1,1,-1,1], cmap=mpl.cm.hot, interpolation='nearest', origin="lower")
 pl.colorbar(im2) 

 pl.show()

以上的代码为二维插值中画图的演示。绘图如下：

以上这篇python 一个figure上显示多个图像的实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。