使用 plt.subplots 创建多个子图

pyplot.subplots 通过一次调用创建一个图形和一个子图网格，同时提供对单个图创建方式的合理控制。对于更高级的使用场景，您可以使用 GridSpec 进行更通用的子图布局，或使用 Figure.add_subplot 在图形的任意位置添加子图。

import matplotlib.pyplot as plt
import numpy as np

# Some example data to display
x = np.linspace(0, 2 * np.pi, 400)
y = np.sin(x ** 2)

只有一个子图的图形

subplots() 不带参数返回一个 Figure 和一个单独的 Axes。

这实际上是创建单个图形和轴的最简单且推荐的方法。

fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('A single plot')

在一个方向上堆叠子图

pyplot.subplots 的前两个可选参数定义了子图网格的行数和列数。

当仅在一个方向上堆叠时，返回的 axs 是一个包含创建的 Axes 列表的 1D numpy 数组。

fig, axs = plt.subplots(2)
fig.suptitle('Vertically stacked subplots')
axs[0].plot(x, y)
axs[1].plot(x, -y)

如果你只创建几个 Axes，立即将它们解包到每个 Axes 的专用变量会很方便。这样，我们可以使用 ax1 而不是更冗长的 axs[0]。

fig, (ax1, ax2) = plt.subplots(2)
fig.suptitle('Vertically stacked subplots')
ax1.plot(x, y)
ax2.plot(x, -y)

要获得并排的子图，传递参数 1, 2 表示一行两列。

fig, (ax1, ax2) = plt.subplots(1, 2)
fig.suptitle('Horizontally stacked subplots')
ax1.plot(x, y)
ax2.plot(x, -y)

在两个方向上堆叠子图

当在两个方向上堆叠时，返回的 axs 是一个二维的 NumPy 数组。

如果你需要为每个子图设置参数，使用 for ax in axs.flat: 遍历2D网格中的所有子图会很方便。

fig, axs = plt.subplots(2, 2)
axs[0, 0].plot(x, y)
axs[0, 0].set_title('Axis [0, 0]')
axs[0, 1].plot(x, y, 'tab:orange')
axs[0, 1].set_title('Axis [0, 1]')
axs[1, 0].plot(x, -y, 'tab:green')
axs[1, 0].set_title('Axis [1, 0]')
axs[1, 1].plot(x, -y, 'tab:red')
axs[1, 1].set_title('Axis [1, 1]')

for ax in axs.flat:
    ax.set(xlabel='x-label', ylabel='y-label')

# Hide x labels and tick labels for top plots and y ticks for right plots.
for ax in axs.flat:
    ax.label_outer()

你也可以在二维中使用元组解包，将所有子图分配给专用变量：

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
fig.suptitle('Sharing x per column, y per row')
ax1.plot(x, y)
ax2.plot(x, y**2, 'tab:orange')
ax3.plot(x, -y, 'tab:green')
ax4.plot(x, -y**2, 'tab:red')

for ax in fig.get_axes():
    ax.label_outer()

共享轴

默认情况下，每个 Axes 是单独缩放的。因此，如果范围不同，子图的刻度值将不会对齐。

fig, (ax1, ax2) = plt.subplots(2)
fig.suptitle('Axes values are scaled individually by default')
ax1.plot(x, y)
ax2.plot(x + 1, -y)

你可以使用 sharex 或 sharey 来对齐水平或垂直轴。

fig, (ax1, ax2) = plt.subplots(2, sharex=True)
fig.suptitle('Aligning x-axis using sharex')
ax1.plot(x, y)
ax2.plot(x + 1, -y)

将 sharex 或 sharey 设置为 True 将启用整个网格的全局共享，即在使用 sharey=True 时，垂直堆叠的子图的 y 轴也将具有相同的刻度。

fig, axs = plt.subplots(3, sharex=True, sharey=True)
fig.suptitle('Sharing both axes')
axs[0].plot(x, y ** 2)
axs[1].plot(x, 0.3 * y, 'o')
axs[2].plot(x, y, '+')

对于共享轴的子图，一组刻度标签就足够了。内部轴的刻度标签会自动被 sharex 和 sharey 移除。然而，子图之间仍然会留下未使用的空白空间。

要精确控制子图的位置，可以显式创建一个 GridSpec 并通过 Figure.add_gridspec 添加，然后调用其 subplots 方法。例如，我们可以使用 add_gridspec(hspace=0) 来减少垂直子图之间的高度。

label_outer 是一个方便的方法，用于移除不在网格边缘的子图的标签和刻度。

fig = plt.figure()
gs = fig.add_gridspec(3, hspace=0)
axs = gs.subplots(sharex=True, sharey=True)
fig.suptitle('Sharing both axes')
axs[0].plot(x, y ** 2)
axs[1].plot(x, 0.3 * y, 'o')
axs[2].plot(x, y, '+')

# Hide x labels and tick labels for all but bottom plot.
for ax in axs:
    ax.label_outer()

除了 True 和 False 之外，sharex 和 sharey 还接受值 'row' 和 'col' ，以便仅按行或列共享值。

fig = plt.figure()
gs = fig.add_gridspec(2, 2, hspace=0, wspace=0)
(ax1, ax2), (ax3, ax4) = gs.subplots(sharex='col', sharey='row')
fig.suptitle('Sharing x per column, y per row')
ax1.plot(x, y)
ax2.plot(x, y**2, 'tab:orange')
ax3.plot(x + 1, -y, 'tab:green')
ax4.plot(x + 2, -y**2, 'tab:red')

for ax in fig.get_axes():
    ax.label_outer()

如果你想建立一个更复杂的共享结构，你可以首先创建一个没有共享的 Axes 网格，然后调用 axes.Axes.sharex 或 axes.Axes.sharey 来后验地添加共享信息。

fig, axs = plt.subplots(2, 2)
axs[0, 0].plot(x, y)
axs[0, 0].set_title("main")
axs[1, 0].plot(x, y**2)
axs[1, 0].set_title("shares x with main")
axs[1, 0].sharex(axs[0, 0])
axs[0, 1].plot(x + 1, y + 1)
axs[0, 1].set_title("unrelated")
axs[1, 1].plot(x + 2, y + 2)
axs[1, 1].set_title("also unrelated")
fig.tight_layout()

极坐标轴

pyplot.subplots 的参数 subplot_kw 控制子图属性（另见 Figure.add_subplot）。特别是，这可以用来创建一个极坐标轴的网格。

fig, (ax1, ax2) = plt.subplots(1, 2, subplot_kw=dict(projection='polar'))
ax1.plot(x, y)
ax2.plot(x, y ** 2)

plt.show()