前言
plt.subplots调用后将会产生一个图表（Figure）和默认网格（Grid），与此同时提供一个合理的控制策略布局子绘图。
一、只有子图的绘制
如果没有提供参数给subplots将会返回：
Figure一个Axes对象
例子：
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('A single plot')
二、单个方向堆叠子图
堆叠子图就需要用到额外的可选参数，分别是子图的行和列数，如果你只传递一个数字，默认列数为1，行堆叠。
比如：
fig, axs = plt.subplots(2)
fig.suptitle('Vertically stacked subplots')
axs[0].plot(x, y)
axs[1].plot(x, -y)
当然如果你的子图比较少，可以考虑用元组接收axes对象：
fig, (ax1, ax2) = plt.subplots(2)
fig.suptitle('Vertically stacked subplots')
ax1.plot(x, y)
ax2.plot(x, -y)如果想要按照行排列，将参数改成(1,2)即可。
三、行列方向扩展子图
如果行列扩展子图，那么axes返回的则是一个二维Numpy数组。利用axe的flat属性，可以批量对轴进行赋值。
fig, axs = plt.subplots(2, 2)
axs[0, 0].plot(x, y)
axs[0, 0].set_title('Axis [0, 0]')# 等价于axes[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()当然你可以用单个轴对象接收：
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()四、共享轴
默认情况下，每个子图都是独立创建的。
看下面这个例子：
fig, (ax1, ax2) = plt.subplots(2)
fig.suptitle('Axes values are scaled individually by default')
ax1.plot(x, y)
ax2.plot(x 1, -y)
可以看出两者的横坐标刻度并不对齐，那么应该如何设置共享？答：在subplot创建之时使用sharex=True和sharedy=True分别创建X轴共享或者Y轴共享。
将上边的例子修改为以下：
fig, (ax1, ax2) = plt.subplots(2, sharex=True)
fig.suptitle('Aligning x-axis using sharex')
ax1.plot(x, y)
ax2.plot(x 1, -y)结果如下：
OK，看上去确实统一了坐标轴，除此，python帮你移除了多余的坐标刻度，上面中间的刻度被删除了。
如果你觉得中间的留白不太舒服的话，也有办法去除。方法是通过GridSpec对象，但是使用上就比较麻烦了，因为你需要自己创建一个figure并使用add_gridspec返回这个对象，然后再通过subplot进行接下来的操作。
直接看例子吧：
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()
这里还用到了轴的label_outer方法，这是用来隐藏非边界的坐标轴的。“share”在这里的意思是：共享一个坐标轴，也就意味着刻度的位置是对齐的。
请注意，修改sharex和sharey是全局修改的，所以你如果想让每一行和每一列共享一个坐标轴，可以考虑用sharex='col', sharey='row'。
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 axs.flat:
ax.label_outer()
如果你需要关联更加复杂的共享轴关系，可以创建出来使用axe的成员sharex、sharey进行设置：
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()# 让绘图更加紧凑
五、极坐标子图
fig, (ax1, ax2) = plt.subplots(1, 2, subplot_kw=dict(projection='polar')) ax1.plot(x, y) ax2.plot(x, y ** 2) plt.show()
到此这篇关于Python Matplotlib通过plt.subplots创建子绘图的文章就介绍到这了,更多相关Python创建子绘图内容请搜索Devmax以前的文章或继续浏览下面的相关文章希望大家以后多多支持Devmax！