今天通过一段代码来理解matpltlib的绘图功能，顺便复习一下小知识点
fig, axes = plt.subplots(nrows=2, ncols=10, sharex=True, sharey=True, figsize=(20,4))
in_imgs = mnist.test.images[10:20]
noisy_imgs = in_imgs + noise_factor * np.random.randn(*in_imgs.shape) # numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值 形状由参数指定
noisy_imgs = np.clip(noisy_imgs, 0., 1.)
reconstructed = sess.run(outputs_,
feed_dict={inputs_: noisy_imgs.reshape((10, 28, 28, 1))})
for images, row in zip([noisy_imgs, reconstructed], axes):
for img, ax in zip(images, row):
ax.imshow(img.reshape((28, 28)))
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
fig.tight_layout(pad=0.1)以下是对以上代码的详细讲解(一行一行的解释)：
# 第一句代码：
fig, axes = plt.subplots(nrows=2, ncols=10, sharex=True, sharey=True, figsize=(20,4))
# 在matlab中
# subplot（m,n,p）或者subplot（mnp）
# subplot是将多个图画到一个平面上的工具。其中，m表示是图排成m行，n表示图排成n列，也就是整个figure中有n个图是排成一行的，一共m行，如果第一个数字是2就是表示2行图。p是指你现在要把曲线画到figure中哪个图上，最后一个如果是1表示是从左到右第一个位置。
# 在matplotlib下, 一个 Figure 对象可以包含多个子图(Axes), 可以使用 subplot() 快速绘制, 此例中，axes形如：[[0,1,2,3,4,5,6,7,8,9],[10,11,12,13,14,15,16,17,18,19]] 20个元素
# subplot(numRows, numCols, plotNum) numRows, numCols表示绘图区域被分成 numRows 行和 numCols 列
# 然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1
# plotNum 参数指定创建的 Axes 对象所在的区域
# 如果 numRows, numCols 和 plotNum 这三个数都小于 10 的话, 可以把它们缩写为一个整数, 例如 subplot(323) 和 subplot(3,2,3) 是相同的.
# 第二句代码：
in_imgs = mnist.test.images[10:20] # 取mnist数据集中的十张图片
# 第三句代码：
noisy_imgs = in_imgs + noise_factor * np.random.randn(*in_imgs.shape)
# numpy.random.randn(d0, d1, …, dn)是从标准正态分布中返回一个或多个样本值，形状由参数指定 ，以上in_imgs.shape是一串tuple，*运算符可看做是解压
# 所以这里 numpy.random.randn(图片1的shape, 图片2的shape, …, 图片10的shape)
# noise_factor 控制噪声强度
# 第四句代码：
noisy_imgs = np.clip(noisy_imgs, 0., 1.)
# np.clip将加噪声后的noisy_imgs的像素值约定在0.0-1.0之间
# 第五句代码：
reconstructed = mnist.test.images[:10]
# 将噪声图片放入网络，得到重构出来的图片
# 第六句代码：
for images, row in zip([noisy_imgs, reconstructed], axes):
# zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
# 如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同，利用 * 号操作符，可以将元组解压为列表。
# 第七句代码
for img, ax in zip(images, row):
ax.imshow(img.reshape((28, 28)))
ax.get_xaxis().set_visible(False)
ax.get_yaxis().set_visible(False)
# plt.axis('off') #关闭xy坐标轴
# frame.axes.get_yaxis().set_visible(False) #不显示y轴
# frame.axes.get_xaxis().set_visible(False) #不显示x轴
# 第八句代码
fig.tight_layout(pad=0.1)
# 在 matplotlib 中，轴域（包括子图）的位置以标准化图形坐标指定。 可能发生的是，你的轴标签或标题（有时甚至是刻度标签）会超出图形区域，因此被截断
# 为了避免它，轴域的位置需要调整。对于子图，这可以通过调整子图参数（移动轴域的一条边来给刻度标签腾地方）。Matplotlib v1.1 引入了一个新的命令tight_layout()，自动为你解决这个问题。
# 当你拥有多个子图时，你会经常看到不同轴域的标签叠在一起
# tight_layout()也会调整子图之间的间隔来减少堆叠
# 第九句
plt.show() # 一定要加这个图片才会都显示出来，仅仅在大图里面显示子子图示无法显示的。要再显示子子图之后调用一次大图（fig）的显示啦啦啦，下面就是示意图了figsize调成(20,4)
如果把figsize调成(20,1)
开心，今天又总结了一个知识点
知识点的参考博客
Numpy 中clip函数的使用
python使用matplotlib:subplot绘制多个子图
Python zip() 函数
tight_layout
matplotlib subplot 子图