坐标系（或子图）简介#
Matplotlib Axes 是创建数据可视化的门户。一旦 Axes 被放置在图（Figure）上，就可以使用许多方法向其添加数据。一个 Axes 通常包含一对 Axis 艺术对象（Artist），它们定义了数据坐标系，并包含用于添加注解的方法，例如 x 轴和 y 轴标签、标题和图例。
图（Figure）的构成#
在上图中，Axes 对象是通过 ax = fig.subplots() 创建的。图上的所有其他元素都是通过此 ax 对象的方法创建的，或者可以从它访问。如果我们要更改 x 轴上的标签，我们调用 ax.set_xlabel('New Label')；如果我们要绘制数据，我们调用 ax.plot(x, y)。事实上，在上图中，唯一不属于 Axes 的艺术对象是 Figure 本身，因此 axes.Axes 类确实是 Matplotlib 大部分功能的入口。
请注意，Axes 对 Matplotlib 的操作至关重要，因此这里的许多内容与 快速入门指南 中的内容是重复的。
创建 Axes#
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()')
Axes 是通过 Figure 对象上的方法，或通过 pyplot 接口添加的。这些方法在 创建 Figure 和 在 Figure 中排列多个 Axes 中有更详细的讨论。然而，例如 add_axes 将手动在页面上定位一个 Axes。在上面的示例中，subplots 在 figure 上放置了一个子图网格，而 axs 是一个 (2, 2) 的 Axes 数组，每个 Axes 都可以添加数据。
还有其他几种向 Figure 添加 Axes 的方法
Figure.add_axes：手动定位 Axes。fig.add_axes([0, 0, 1, 1])创建一个填充整个 figure 的 Axes。pyplot.subplots和Figure.subplots：添加一个 Axes 网格，如上例所示。pyplot 版本返回 Figure 对象和 Axes 数组。请注意，fig, ax = plt.subplots()会向 Figure 添加一个 Axes。pyplot.subplot_mosaic和Figure.subplot_mosaic：添加一个由命名 Axes 组成的网格，并返回一个 axes 字典。对于fig, axs = plt.subplot_mosaic([['left', 'right'], ['bottom', 'bottom']])，axs['left']是左上角的 Axes，而axs['bottom']是底部跨两列的 Axes。
有关如何在 Figure 上排列 Axes 网格的更多详细信息，请参阅 在 Figure 中排列多个 Axes。
Axes 绘图方法#
大多数高级绘图方法都从 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 lines 艺术对象（Artist）列表，这些对象随后可以被操作，这在 艺术对象（Artist）简介 中有所讨论。
Axes 标签和注解#
通常我们希望用 x 轴标签（xlabel）、y 轴标签（ylabel）和标题来标记 Axes，并且经常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解。
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()
这些方法相对直接，尽管可以在文本对象上设置许多 文本属性和布局，例如 fontsize（字体大小）、fontname（字体名称）、horizontalalignment（水平对齐）。图例可能更为复杂；有关更多详细信息，请参阅 图例指南。
请注意，还可以使用 text 和 annotate 向 axes 添加文本。这可以非常复杂：有关更多信息，请参阅 文本属性和布局 和 注解。
Axes 限制、刻度尺和刻度#
每个 Axes 都有两个（或更多）Axis 对象，可以通过 xaxis 和 yaxis 属性访问。这些对象有大量方法，对于高度可定制的 Axis，查阅 Axis 的 API 文档会很有用。然而，Axes 类为这些最常用的方法提供了一些辅助函数。事实上，上面讨论的 set_xlabel 是 set_label_text 的一个辅助函数。
其他重要方法设置 axes 的范围（set_xlim, set_ylim），或更根本地设置 axes 的刻度尺。例如，我们可以使 Axis 具有对数刻度，并放大数据的某一部分
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])
Axes 类还提供了处理 Axis 刻度及其标签的辅助函数。最直接的方法是 set_xticks 和 set_yticks，它们手动设置刻度位置和可选的刻度标签。次刻度（minor ticks）可以通过 minorticks_on 或 minorticks_off 进行切换。
Axes 刻度及其标签的许多方面都可以使用 tick_params 进行调整。例如，将标签置于 axes 顶部而不是底部，将刻度线颜色设为红色，刻度标签颜色设为绿色
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 Axes 级别的辅助函数之外，对刻度线、刻度尺设置和 Axis 控制的更精细控制可以高度自定义。
Axes 布局#
有时，设置数据空间中绘图的宽高比很重要，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')
