matplotlib创建子图的四种方法

方法一：利用subplot()（推荐）

可以使用Matplotlib中的subplot函数创建子图（即，可以是不同图形按照指定行列数拼成一个图形）：

plt.subplot(nrows, ncols, index, **kwargs)

• nrows：指定子图的行数。
• ncols：指定子图的列数。
• index：指定当前子图的位置，从左上角开始，按从左到右、从上到下的顺序编号，范围从 1 到 nrows*ncols。
• **kwargs：可选参数，用于设置子图的各种属性，比如调整间距、坐标轴等。
  plt.subplot 函数的返回值是一个 Axes 对象，可以通过这个对象来对子图进行各种操作，比如绘制图形、设置标题、坐标轴标签等。

plt.subplot 还支持一种更简洁的用法，可以使用三位整数来同时指定 nrows、ncols 和 index，例如：

plt.subplot(221)

示例1：

import matplotlib.pyplot as plt

# 创建一个 subplot 对象
ax1 = plt.subplot(1, 2, 1)
ax1.bar([1, 2, 3], [3, 4, 5])

ax2 = plt.subplot(2, 2, 2)
ax2.plot([1, 2, 3], [3, 4, 5])


# ax3 = plt.subplot(2, 2,4)
# ax3.plot([1, 2, 3], [3, 4, 5])

ax4 = plt.subplot(2, 4,7)
ax4.plot([1, 2, 3], [3, 4, 5])

ax5 = plt.subplot(2,4,8)
ax5.plot([1, 2, 3], [3, 4, 5])

plt.show()

示例2：

x=np.linspace(-10,10,30)
y1=p(x)
p2=p.deriv(m=2)    #deriv函数的参数m为2得到其二阶导函数
y2=p2(x)
p3=p.deriv(m=3)    #deriv函数的参数m为3得到其三阶导函数
y3=p3(x)
plt.subplot(221)
'''
该函数第一个参数是子图的行数，第二个参数是子图的列数，第三个参数是一个从1开始的序号。
这3个参数可合成一个数字，如221，表示创建一个2行2列的拼图，这是第1行第1列的图形
'''
plt.plot(x,y1)
plt.title("Polynomial")
plt.subplot(2,2,2); plt.plot(x,y1,'r'); plt.title("First Derivative")
plt.subplot(223); plt.plot(x,y2,'k'); plt.title("Second Derivative")
plt.subplot(224); plt.plot(x,y3,'c'); plt.title("Third Derivative")
plt.subplots_adjust(hspace=0.4,wspace=0.3)
plt.savefig('4145.svg',bbox_inches='tight')
plt.show()

方法二：利用 subplots()

import matplotlib.pyplot as plt
fig,axes=plt.subplots(2,2,figsize=(5,4),
                     sharex=False,
                     sharey=False)
#创建一个被分割为四个子图的figure对象
#sharex,sharey表示是否公用坐标轴
x=[1,2,3]
y=[8,5,4]
axes[1,1].plot(x,y)
#在第2行第2列的子图上作图
plt.subplots_adjust(wspace=0,hspace=0.1)
#调整子图间的间隙，wspace和hspace分别用于控制间距宽度和高度的百分比
plt.show()

效果如下：

一个常见错误

subplots作图中subplots(1,n)分配的坐标轴索引是一维的不能用二维方法引用，错例如下：

正确的做法：

方法三，利用add_subplot()创建子图

fig.add_subplot 是向当前的Figure 对象 中添加一个新的子图，并返回一个 Axes 对象，可以在这个 Axes 对象上进行绘图操作。常用参数包括：

• nrows：子图的行数。
• ncols：子图的列数。
• index：子图的索引，从左上角开始，从左到右，从上到下依次递增。

示例1：

import matplotlib.pyplot as plt

# 创建一个 Figure 对象
fig = plt.figure()

# 向 Figure 对象中添加一个 2x2 的子图，并获取第一个子图的 Axes 对象
ax1 = fig.add_subplot(2, 2, 1)

# 在第一个子图上绘制柱状图
ax1.bar([1, 2, 3], [3, 4, 5])

# 获取第二个子图的 Axes 对象
ax2 = fig.add_subplot(1, 2, 2)

# 在第二个子图上绘制折线图
ax2.plot([1, 2, 3], [3, 4, 5])


ax3=fig.add_subplot(223)
ax3.bar([1, 2, 3], [3, 4, 5])


plt.show()

示例2：

import matplotlib.pyplot as plt
fig=plt.figure(num=1,figsize=(5,4),facecolor='gray')
#创建一个figure对象
#num：图标号;
#figsize:图片尺寸;
#facecolor:图片背景

ax=fig.add_subplot(224)
#创建一个图，该图在2行2列的子图中的第4个位置
x=[1,2,3]
y=[8,5,4]
ax.plot(x,y)
plt.show()

效果如下：

该方法比较灵活，可以做出大子图和小子图的组合，但是要保证add_subplot(XXX)中最小子图的一致。

方法四，利用pandas+plot()直接创建子图

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(1000, 4), columns=list('ABCD'))

df.plot(style ='--', alpha=0.5, grid=True,subplots = True,layout=(2, 3),figsize=(8,6))
#alpha:线条透明度，0~1透明度逐渐降低
#grid：作图是否显示
#subplots:表示是否分图作图
#layout：图片分割参数
#figsize：图片尺寸
plt.subplots_adjust(wspace=0,hspace=0.2)
#调整子图间的间隙，wspace和hspace分别用于控制间距宽度和高度的百分比
plt.show()

效果如下：