创建多个子图plt.subplots

pyplot.subplots通过一次调用创建一个图形和一个子图网格，同时提供对如何创建单个图的合理控制。对于更高级的用例，您可以使用GridSpec更通用的子图布局或Figure.add_subplot在图中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 aFigure和一个 Axes.

这实际上是创建单个图形和轴的最简单和推荐的方法。

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

Text(0.5, 1.0, 'A single plot')

在一个方向上堆叠子图

的前两个可选参数pyplot.subplots定义子图网格的行数和列数。

仅在一个方向上堆叠时，返回axs的是一个 1D numpy 数组，其中包含创建的 Axes 列表。

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

[<matplotlib.lines.Line2D object at 0x7f2d00efd510>]

如果您只创建几个 Axes，立即将它们解压缩到每个 Axes 的专用变量会很方便。这样，我们可以使用ax1而不是更详细的axs[0].

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

[<matplotlib.lines.Line2D object at 0x7f2d00a95b70>]

要获得并排的子图，请传递一行和两列的参数。1, 2

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

[<matplotlib.lines.Line2D object at 0x7f2cfb43d330>]

在两个方向上堆叠子图

在两个方向堆叠时，返回axs的是一个 2D NumPy 数组。

如果您必须为每个子图设置参数，则可以方便地使用.for ax in axs.flat:

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()

您也可以在 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)

[<matplotlib.lines.Line2D object at 0x7f2cfb007250>]

您可以使用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)

[<matplotlib.lines.Line2D object at 0x7f2cfa993370>]

设置sharex或sharey以True启用在整个网格中的全局共享，即垂直堆叠子图的 y 轴在使用时具有相同的比例sharey=True。

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, '+')

[<matplotlib.lines.Line2D object at 0x7f2cfab12980>]

对于共享轴的子图，一组刻度标签就足够了。内部轴的刻度标签由sharex和sharey自动删除。子图之间仍然有一个未使用的空白空间。

为了精确控制子图的位置，可以显式地创建一个GridSpecwith Figure.add_gridspec，然后调用它的 subplots方法。例如，我们可以使用 降低垂直子图之间的高度add_gridspec(hspace=0)。

label_outer是一种从不在网格边缘的子图中删除标签和刻度的便捷方法。

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Trueand之外False，sharex和sharey都接受值 'row' 和 'col' 以仅共享每行或每列的值。

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 axs.flat:
    ax.label_outer()

如果您想要更复杂的共享结构，您可以先创建不共享的轴网格，然后调用axes.Axes.sharex或 axes.Axes.sharey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()

极轴

参数subplot_kw控制pyplot.subplots子图属性（另请参见Figure.add_subplot）。特别是，这可用于创建极轴网格。

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

plt.show()