### 使用 Matplotlib 绘制多个子图 在 Python 中，`matplotlib` 提供了一个强大的功能来绘制多个子图。通过 `plt.subplots()` 方法可以轻松创建包含多个子图的画布。以下是详细的说明以及代码示例。 #### 创建多个子图的方法 可以通过调用 `subplots(nrows, ncols)` 来定义网格布局中的子图数量，其中 `nrows` 和 `ncols` 分别表示行数和列数[^1]。返回的结果是一个包含所有子图轴对象的数组，这些对象可用于单独配置每个子图的内容。 ```python import matplotlib.pyplot as plt import numpy as np # 数据准备 x = np.linspace(0, 10, 100) # 创建一个2x2的子图布局 fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 6)) # 配置第一个子图 axes[0, 0].plot(x, np.sin(x)) axes[0, 0].set_title('Sine Wave') axes[0, 0].grid(True) # 配置第二个子图 axes[0, 1].plot(x, np.cos(x), 'r--') # 红色虚线 axes[0, 1].set_title('Cosine Wave') # 配置第三个子图 axes[1, 0].plot(x, np.tan(x), color='green', linestyle=':') axes[1, 0].set_title('Tangent Curve') axes[1, 0].set_ylim(-10, 10) # 设置y轴范围以避免过大值影响显示效果 # 配置第四个子图 axes[1, 1].scatter(x, np.random.rand(len(x)), c='blue', alpha=0.5) axes[1, 1].set_title('Random Scatter Plot') # 调整子图之间的间距 plt.tight_layout() # 显示图像 plt.show() ``` #### 子图共享坐标轴 如果希望某些子图之间共享相同的 x 或 y 坐标轴，则可以在创建子图时指定参数 `sharex=True` 或 `sharey=True`[^2]。这有助于保持一致性并减少冗余标签。 ```python fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True, figsize=(6, 8)) ax1.plot(x, np.sin(x), label='sin(x)') ax1.set_ylabel('Amplitude') ax1.legend(loc='upper right') ax2.plot(x, np.cos(x), label='cos(x)', color='orange') ax2.set_xlabel('Time [s]') ax2.set_ylabel('Amplitude') ax2.legend(loc='lower right') plt.tight_layout() plt.show() ``` #### 动态调整子图位置 当子图较多或者有复杂的标注需求时，可能需要手动微调它们的位置以免重叠。此时可利用 `gridspec` 模块实现更灵活的控制[^3]。 ```python from matplotlib.gridspec import GridSpec gs = GridSpec(3, 3) # 定义一个3x3的网格空间 fig = plt.figure(figsize=(9, 7)) ax1 = fig.add_subplot(gs[0, :]) # 占据整个顶部区域 ax1.plot(x, np.exp(-x/3)*np.sin(2*x)) ax1.set_title('Top Spanning Subplot') ax2 = fig.add_subplot(gs[1, :-1]) # 左下角占据两格宽一格高 ax2.scatter(np.random.randn(100), np.random.randn(100)) ax2.set_title('Left Middle Subplot') ax3 = fig.add_subplot(gs[1:, -1]) # 右侧竖直跨越两个单元高度 ax3.hist(np.random.randn(1000), bins=30, orientation='horizontal') ax3.set_title('Right Vertical Histogram') ax4 = fig.add_subplot(gs[-1, 0]) ax4.bar(['A', 'B', 'C'], [3, 7, 2], color=['red', 'blue', 'green']) ax4.set_title('Bottom Left Bar Chart') ax5 = fig.add_subplot(gs[-1, -2]) ax5.pie([1, 2, 3], labels=['X', 'Y', 'Z'], autopct='%1.1f%%') ax5.set_title('Pie Chart') plt.tight_layout() plt.show() ```