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?
答案 0 :(得分:16)
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(...)
答案 1 :(得分:-1)
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()