计算子图调整

Question

所以我计算了一些现在应该可视化的数据。对于每个数据元素，我想放置一个单独的子图，以便整个图尽可能紧凑。以下是五个元素的示例：

这是我想出的任意元素计数原型：

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

data = ... # some list of pairs of numpy arrays, for x and y axes
size = len(data)
cols = math.floor(math.sqrt(size))
rows = math.ceil(size / cols)

f, diags = plt.subplots(rows, cols)

for (row, col), diag in np.ndenumerate(diags):
    dataIdx = row * cols + col
    if dataIdx < size:
        x = data[dataIdx][0]
        y = data[dataIdx][1]
        diag.scatter(x, y)
        diag.set_title('Regressor {}'.format(dataIdx + 1))
    else: # discard empty subplots
        f.delaxes(diag)
f.show()

一个简短的解释：对于紧凑性，如果可能的话，我试图以方阵的形式调整图。如果没有，我为剩余的图添加另一行。然后我迭代图表，计算数据元素的相应位置并绘制其值。如果没有找到图表的数据元素，则表示该图表是最后一行的余数，可以丢弃。

然而，这是我可能用C ++或Java编写的代码，问题是，pythonic方式会是什么？

此外，在迭代数据而不是图表时，最佳解决方案是什么？我当然可以从元素索引中计算图表的行/列，就像我在初始行/列计算中一样，但也许有更好的方法来做到这一点......

提前致谢！

Answer 1

我可能会创建这样的情节：

size = len(data)
cols = round(math.sqrt(size))
rows = cols
while rows * cols < size:
    rows += 1
f, ax_arr = plt.subplots(rows, cols)
ax_arr = ax_arr.reshape(-1)
for i in range(len(ax_arr)):
    if i >= size:
        ax_arr[i].axis('off')
    x = data[i][0]
    y = data[i][1]
    ax_arr[i].scatter(x,y)