如果是这种情况,则必须为 positions定义的每个子图插入一个形状row=i,col=j。以下代码段将为您做到这一点。如果 更改子图的总数,则只需要对 网格的行数和 列数进行监督即可。
from plotly.subplots import make_subplots
import plotly.graph_objects as go
import numpy as np
fig = make_subplots(
rows=2,
cols=2,
subplot_titles=list(map(str, range(4))),
shared_xaxes=True,
shared_yaxes=False,
)
time = np.linspace(-np.pi, np.pi, 1000)
for i in range(4):
data = np.sin((i+1) * time)
fig.add_trace(
go.Scatter(y=data,x=time, name=str(i)),
row=1 if i in [0, 1] else 2,
col=1 if i in [0, 2] else 2,
)
colors = ['blue', 'firebrick', 'green', 'purple']
rows = 2
cols = 2
# add traces
counter=0 # for colors
for i in range(1,3):
for j in range(1,3):
fig.add_shape(go.layout.Shape(type="line",
yref="paper",
xref="x",
x0=1,
y0=-2,
x1=1,
y1=2,
#line=dict(color="RoyalBlue", width=3),),
line=dict(color=colors[counter], width=3),),
row=i,
col=j)
counter = counter + 1
fig.show()
评论后编辑:
据我所知,您不能直接定义无界。但是,只要您定义的轴限制 远超出您要可视化的数据,那么您要 完成的工作就可以很好地工作 。因为与您的评论相反, 您可以这样设置每个子图的轴限制:
# Set y ranges for each subplot
for i in range(1,3):
for j in range(1,3):
fig.update_yaxes(range=[-4, 4], row=i, col=j)
除了预定义的限制,您还可以 从数据集中找到合适的最大值和最小值。