Question

我见过使用matplotlib的各种程序，它们使用axes.flat函数，就像这段代码一样：

for i, ax in enumerate(axes.flat):

这是做什么的？

Answer 1

让我们看一个最小的例子，我们使用plt.subplots创建一些轴，另见this question，

import matplotlib.pyplot as plt

fig, axes = plt.subplots(ncols=2,nrows=3, sharex=True, sharey=True)

for i, ax in enumerate(axes.flat):
    ax.scatter([i//2+1, i],[i,i//3])

plt.show()

在这里，axes是一个numpy轴，

print(type(axes))
> <type 'numpy.ndarray'>
print(axes.shape)
> (3L, 2L)

axes.flat不是函数，它是numpy.ndarray的一个属性：numpy.ndarray.flat

ndarray.flat 阵列上的一维迭代器这是一个numpy.flatiter实例，它的作用类似于Python的内置迭代器对象，但不是它的子类。

示例：

import numpy as np

a = np.array([[2,3],
              [4,5],
              [6,7]])

for i in a.flat:
    print(i)

会打印数字2 3 4 5 6 7。

作为数组的迭代器，您可以使用它来遍历3x2轴上的所有轴，

for i, ax in enumerate(axes.flat):

对于每次迭代，它将从该数组中产生下一个轴，这样您可以轻松地在单个循环中绘制所有轴。

另一种方法是使用axes.flatten()，其中flatten()是numpy数组的方法。它不是迭代器，而是返回数组的扁平化版本：

for i, ax in enumerate(axes.flatten()):

两者之间没有区别。但是，迭代器实际上并不会创建一个新数组，因此可能会稍快一些（尽管在matplotlib轴对象的情况下这永远不会显着）。

flat1 = [ax for ax in axes.flat]
flat2 = axes.flatten()
print(flat1 == flat2)
> [ True  True  True  True  True  True]

迭代一个扁平版本的axes数组有一个优点，就是你可以保存一个循环，而不是分别迭代行和列的简单方法，

for row in axes:
    for ax in row:
        ax.scatter(...)

Answer 2

fig, ax = plt.subplots(3, 3, figsize=())
ax = ax.flatten()
for i, col in enumerate(columns):
    sns.distplot(d2[col], ax=ax[i])
plt.tight_layout()

matplotlib中的axes.flat做什么？

2 个答案: