坐标轴（或子图）简介#
Matplotlib Axes 是创建数据可视化的入口。一旦将坐标轴放置在图形上，就可以使用许多方法向坐标轴添加数据。坐标轴通常有一对 Axis 艺术家，它们定义了数据坐标系，并包括添加诸如 x 轴和 y 轴标签、标题和图例之类的注释的方法。
图形的解剖#
在上图中，坐标轴对象是使用 ax = fig.subplots() 创建的。图形上的所有其他内容都是使用此 ax 对象上的方法创建的，或者可以从中访问。如果我们想更改 x 轴上的标签，我们调用 ax.set_xlabel('New Label')，如果我们想绘制一些数据，我们调用 ax.plot(x, y)。实际上，在上图中，唯一不属于坐标轴的艺术家是图形本身，因此 axes.Axes 类实际上是 Matplotlib 大部分功能的入口。
请注意，坐标轴对于 Matplotlib 的操作至关重要，因此这里的大部分材料与 快速入门指南 中的内容重复。
创建坐标轴#
import matplotlib.pyplot as plt
import numpy as np
fig, axs = plt.subplots(ncols=2, nrows=2, figsize=(3.5, 2.5),
layout="constrained")
# for each Axes, add an artist, in this case a nice label in the middle...
for row in range(2):
for col in range(2):
axs[row, col].annotate(f'axs[{row}, {col}]', (0.5, 0.5),
transform=axs[row, col].transAxes,
ha='center', va='center', fontsize=18,
color='darkgrey')
fig.suptitle('plt.subplots()')
坐标轴是使用 Figure 对象上的方法或通过 pyplot 接口添加的。这些方法在 创建图形 和 在图形中排列多个坐标轴 中有更详细的讨论。但是，例如 add_axes 将在页面上手动定位坐标轴。在上面的示例中，subplots 在图形上放置了一个子图网格，并且 axs 是坐标轴的 (2, 2) 数组，每个坐标轴都可以添加数据。
还有许多其他方法可以将坐标轴添加到图形中
Figure.add_axes：手动定位坐标轴。fig.add_axes([0, 0, 1, 1])创建一个填充整个图形的坐标轴。pyplot.subplots和Figure.subplots：添加如上例所示的坐标轴网格。pyplot 版本返回图形对象和坐标轴数组。请注意，fig, ax = plt.subplots()将单个坐标轴添加到图形。pyplot.subplot_mosaic和Figure.subplot_mosaic：添加命名坐标轴网格并返回坐标轴字典。对于fig, axs = plt.subplot_mosaic([['left', 'right'], ['bottom', 'bottom']])，axs['left']是左上角的坐标轴，axs['bottom']是横跨底部两列的坐标轴。
有关如何在图形上排列坐标轴网格的更多详细信息，请参阅 在图形中排列多个坐标轴。
坐标轴绘图方法#
大多数高级绘图方法都可以从 axes.Axes 类访问。有关完整的精选列表，请参阅 API 文档，有关示例，请参阅 绘图类型。一个基本示例是 axes.Axes.plot
fig, ax = plt.subplots(figsize=(4, 3))
np.random.seed(19680801)
t = np.arange(100)
x = np.cumsum(np.random.randn(100))
lines = ax.plot(t, x)
请注意，plot 返回一个*线*艺术家列表，可以随后进行操作，如 艺术家简介 中所述。
下面是一个非常不完整的绘图方法列表。同样，有关更多示例，请参阅 绘图类型，有关完整的方法列表，请参阅 axes.Axes。
轴标签和注释#
通常我们希望使用xlabel、ylabel和title来标记轴，并且通常我们希望有一个图例来区分绘图元素。Axes类有许多方法来创建这些注释。
fig, ax = plt.subplots(figsize=(5, 3), layout='constrained')
np.random.seed(19680801)
t = np.arange(200)
x = np.cumsum(np.random.randn(200))
y = np.cumsum(np.random.randn(200))
linesx = ax.plot(t, x, label='Random walk x')
linesy = ax.plot(t, y, label='Random walk y')
ax.set_xlabel('Time [s]')
ax.set_ylabel('Distance [km]')
ax.set_title('Random walk example')
ax.legend()
这些方法相对简单，尽管可以在文本对象上设置许多文本属性和布局，例如 *fontsize*、*fontname*、*horizontalalignment*。图例可能更复杂；有关更多详细信息，请参阅图例指南。
轴限制、刻度和刻度#
每个轴都有两个（或更多）Axis对象，可以通过xaxis和yaxis属性访问。这些对象上有大量方法，对于高度可定制的轴，阅读Axis处的API非常有用。但是，轴类为这些方法中最常用的方法提供了许多辅助函数。实际上，上面讨论的set_xlabel是set_label_text的辅助函数。
其他重要方法设置轴的范围（set_xlim，set_ylim），或者更根本地设置轴的刻度。例如，我们可以使轴具有对数刻度，并放大数据的子部分
fig, ax = plt.subplots(figsize=(4, 2.5), layout='constrained')
np.random.seed(19680801)
t = np.arange(200)
x = 2**np.cumsum(np.random.randn(200))
linesx = ax.plot(t, x)
ax.set_yscale('log')
ax.set_xlim([20, 180])
轴类还具有用于处理轴刻度及其标签的辅助函数。最直接的是set_xticks和set_yticks，它们手动设置刻度位置，并可选择设置其标签。可以使用minorticks_on或minorticks_off来切换次刻度。
可以使用tick_params调整轴刻度和刻度标签的许多方面。例如，要标记轴的顶部而不是底部，将刻度着色为红色，并将刻度标签着色为绿色
fig, ax = plt.subplots(figsize=(4, 2.5))
ax.plot(np.arange(10))
ax.tick_params(top=True, labeltop=True, color='red', axis='x',
labelcolor='green')
除了这些轴级辅助函数之外，对刻度的更精细控制、设置刻度以及控制轴都可以进行高度自定义。
轴布局#
有时，在数据空间中设置绘图的纵横比很重要，我们可以使用set_aspect来完成此操作
fig, axs = plt.subplots(ncols=2, figsize=(7, 2.5), layout='constrained')
np.random.seed(19680801)
t = np.arange(200)
x = np.cumsum(np.random.randn(200))
axs[0].plot(t, x)
axs[0].set_title('aspect="auto"')
axs[1].plot(t, x)
axs[1].set_aspect(3)
axs[1].set_title('aspect=3')
