使用 plt.subplots 创建多个子图

pyplot.subplots 使用单个调用创建图形和子图网格，同时提供对如何创建各个图的合理控制。对于更高级的使用案例，可以使用 GridSpec 实现更通用的子图布局，或使用 Figure.add_subplot 将子图添加到图形内的任意位置。

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)

仅包含一个子图的图形

subplots() 在没有参数的情况下会返回 Figure 和单个 Axes。

这实际上是创建单个图形和轴的最简单和推荐的方式。

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 是一个包含已创建轴列表的 1D numpy 数组。

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

如果你只创建了几个轴，将它们立即解包到每个轴的专用变量中会很方便。这样，我们可以使用 ax1 来代替更冗长的 axs[0]。

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

要获得并排子图，请为一行两列传递参数 1, 2。

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

在两个方向上堆叠时，返回的 axs 是一个 2D NumPy 数组。

如果你必须为每个子图设置参数，则可以使用 for ax in axs.flat: 在 2D 网格中迭代所有子图。

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 2D 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，每个轴都是单独缩放的。因此，如果范围不同，则子图的刻度值将无法对齐。

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

可以使用 sharex 或 sharey 来对齐水平轴或垂直轴。

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 将在整个网格中启用全局共享，即当使用 sharey=True 时，垂直堆叠的子图的 y 轴也具有相同的刻度。

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，一组刻度线标签就足够了。sharex 和 sharey 会自动删除内部轴的刻度线标签。但是，子图之间仍然存在未使用的空白区域。

要精确控制子图的位置，可以使用 GridSpec（使用 Figure.add_gridspec）显式地创建一个 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间距。

label_outer 是一个方便的方法，可以从不在网格边缘的子图中删除标签和刻度线。

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 都接受 'row' 和 'col' 值，以仅按行或列共享值。

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()

如果你想要更复杂的共享结构，可以先创建没有共享的轴网格，然后调用 axes.Axes.sharex 或 axes.Axes.sharey 以事后添加共享信息。

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（另请参见 Figure.add_subplot）。特别是，这可以用于创建极坐标轴网格。

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

plt.show()