将单个matplotlib图的多个特征转换为子图

Question

以下代码段使我可以方便地绘制x轴日期时间数据框：

import pandas as pd
import matplotlib

matplotlib.use('QT5Agg')
font = {'family': 'DejaVu Sans',  # 'normal',
        'size': 8}
matplotlib.rc('font', **font)
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

def myMethod():
    df1 = pd.DataFrame({"a": ["1989-12-31 23:59:12", "1999-12-31 23:59:13", "2009-12-31 23:59:14"], "b": [4, 5, 6]})
    df1["date"] = pd.to_datetime(df1.a)
    df1.set_index("date", inplace=True)
    df1.drop(["a"], axis=1, inplace=True)
    return df1

df1 = myMethod()
df2 = myMethod()
df3 = myMethod()

plt.rcParams["figure.dpi"] = 200
plt.xticks(rotation=20)
plt.grid()
plt.plot(df1, "-o", markersize=2)
plt.gca().fmt_xdata = lambda x: mdates.num2date(x).strftime("%Y-%m-%d %H:%M:%S")
plt.show()

1. 我在左下方看到完整日期时间值（yyyy-MM-dd hh:mm:ss）的鼠标光标位置。请参阅本文末尾的屏幕截图。
2. 我在画布上有一个网格。
3. xticks按照指定的方式旋转。

我还希望在画布上同时包含df2和df3作为子图。使用下面的代码可以做到这一点，但是上述功能丢失了。我该如何更改代码才能实现所有三个子图的成功？

ax1 = plt.subplot(3, 1, 1)
ax1.plot(df1)
ax2 = plt.subplot(3, 1, 2, sharex=ax1)
ax2.plot(df2)
ax3 = plt.subplot(3, 1, 3, sharex=ax1)
ax3.plot(df3)
plt.show()

Answer 1

您可以通过循环轴实例并以面向对象的方式使用它们来直接处理轴实例。首先定义3个轴对象，然后遍历它们（与DataFrames一起）并在循环内设置属性 。下面是相关代码

---

fig, axes = plt.subplots(3, 1, figsize=(8, 5), sharex=True)

dfs = [df1, df2, df3]

for ax, df in zip(axes, dfs):
    ax.plot(df1, "-o", markersize=8)
    plt.setp(ax.xaxis.get_majorticklabels(), rotation=20)
    ax.grid()
    plt.gca().fmt_xdata = lambda x: mdates.num2date(x).strftime("%Y-%m-%d %H:%M:%S")
plt.tight_layout()
plt.show()

按自己的方式做

fig = plt.figure(figsize=(8, 5))
ax1 = plt.subplot(3, 1, 1)
ax2 = plt.subplot(3, 1, 2, sharex=ax1)
ax3 = plt.subplot(3, 1, 3, sharex=ax1)

axes = [ax1, ax2, ax3]
dfs = [df1, df2, df3]

for ax, df in zip(axes, dfs):
    ax.plot(df1, "-o", markersize=8)
    plt.setp(ax.xaxis.get_majorticklabels(), rotation=20 )
    ax.grid()
    plt.gca().fmt_xdata = lambda x: mdates.num2date(x).strftime("%Y-%m-%d %H:%M:%S")
plt.tight_layout()
plt.show()