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

Question

我试图理解为什么以下情节看起来如此不同

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子情节。直觉上我会使用第一个情节，但它们没有给出相同的结果？

Answer 1

差异不在plt.subplot和fig.add_subplot之间 相反，在第一种情况下，您使用pyplot的分散函数plt.scatter，在第二种情况下，您使用轴的scatter ax.scatter。

plt.scatter是2D功能。它将第三个参数解释为散点的大小，并在二维中绘制一个散点图。 （您会看到z轴根本没有缩放。）

使用ax.scatter时，ax是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作为3D绘图，但不能在其中任何一个上使用plt.scatter。 相反，您需要在两种情况下都使用ax.scatter，确保调用matplotlib.axes._subplots.Axes3DSubplot的{​​{1}}方法。

• 一种选择是使用scatter获取当前轴（即3D轴）：

  plt.gca()

• 您也可以通过调用“plt.subplot（）

  来获取轴

  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()
  

• 当然，你可以使用你已经找到的工作方式，

  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()
  

• 或者您可以使用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() （请注意plt.subplots）同时处理数字和轴，

  s

结果在所有情况下都是相同的。