### Python 中使用 Matplotlib 绘制多子图的方法 Matplotlib 提供了多种方式来绘制多子图，主要包括 `plt.subplots`、`plt.subplot` 和 `plt.axes` 等方法。以下是详细的介绍和示例代码。 #### 1. 使用 `plt.subplot` `plt.subplot` 是一种简单的方式，可以通过指定行列索引来创建子图。该函数接受三个参数：行数、列数和当前子图的位置编号。 ```python import numpy as np import matplotlib.pyplot as plt x1 = np.linspace(0.0, 5.0) y1 = np.cos(2 * np.pi * x1) * np.exp(-x1) x2 = np.linspace(0.0, 2.0) y2 = np.cos(2 * np.pi * x2) x3 = np.linspace(0.0, 10.0) y3 = x3 * x3 + 2 # 创建第一个子图 plt.subplot(3, 1, 1) # 表示三行一列的第一个位置 plt.plot(x1, y1, 'o-') plt.title('Damped Oscillation') plt.ylabel('Amplitude') # 创建第二个子图 plt.subplot(3, 1, 2) # 表示三行一列的第二个位置 plt.plot(x2, y2, '.-') plt.title('Undamped Oscillation') plt.ylabel('Amplitude') # 创建第三个子图 plt.subplot(3, 1, 3) # 表示三行一列的第三个位置 plt.plot(x3, y3, '-^') plt.title('Quadratic Function') plt.xlabel('Time (s)') plt.ylabel('Value') plt.tight_layout() # 自动调整子图间距 plt.show() ``` 这种方法适合简单的布局需求[^4]。 --- #### 2. 使用 `plt.subplots` `plt.subplots` 返回一个包含所有子图对象的元组 `(fig, axes)`，允许更灵活地控制每个子图的行为。 ```python import numpy as np import matplotlib.pyplot as plt x1 = np.linspace(0.0, 5.0) y1 = np.cos(2 * np.pi * x1) * np.exp(-x1) x2 = np.linspace(0.0, 2.0) y2 = np.cos(2 * np.pi * x2) x3 = np.linspace(0.0, 10.0) y3 = x3 * x3 + 2 # 创建一个 2×2 子图布局 fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 6)) axes[0, 0].plot(x1, y1, 'o-') axes[0, 0].set_title('Damped Oscillation') axes[0, 0].set_ylabel('Amplitude') axes[0, 1].plot(x2, y2, '.-') axes[0, 1].set_title('Undamped Oscillation') axes[0, 1].set_ylabel('Amplitude') axes[1, 0].plot(x3, y3, '-^') axes[1, 0].set_title('Quadratic Function') axes[1, 0].set_xlabel('Time (s)') axes[1, 0].set_ylabel('Value') # 移除未使用的子图 fig.delaxes(axes[1, 1]) plt.tight_layout() plt.show() ``` 这种方式更适合复杂布局，并提供了更高的自定义能力[^2]。 --- #### 3. 使用 `plt.axes` `plt.axes` 允许手动设置子图的具体位置和大小，适用于需要精确控制子图布局的情况。 ```python import numpy as np import matplotlib.pyplot as plt x1 = np.linspace(0.0, 5.0) y1 = np.cos(2 * np.pi * x1) * np.exp(-x1) x2 = np.linspace(0.0, 2.0) y2 = np.cos(2 * np.pi * x2) # 手动创建第一个子图 ax1 = plt.axes([0.1, 0.6, 0.8, 0.3]) # 左下角坐标为 (0.1, 0.6)，宽高分别为 0.8 和 0.3 ax1.plot(x1, y1, 'o-') ax1.set_title('Damped Oscillation') ax1.set_ylabel('Amplitude') # 手动创建第二个子图 ax2 = plt.axes([0.1, 0.1, 0.8, 0.3]) ax2.plot(x2, y2, '.-') ax2.set_title('Undamped Oscillation') ax2.set_ylabel('Amplitude') plt.show() ``` 此方法提供最大的自由度，但也增加了复杂性[^1]。 --- #### 4. 使用 GridSpec 控制布局 GridSpec 提供了一种高级的方式来管理子图布局，尤其适合复杂的嵌套结构。 ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.gridspec import GridSpec x1 = np.linspace(0.0, 5.0) y1 = np.cos(2 * np.pi * x1) * np.exp(-x1) x2 = np.linspace(0.0, 2.0) y2 = np.cos(2 * np.pi * x2) x3 = np.linspace(0.0, 10.0) y3 = x3 * x3 + 2 gs = GridSpec(3, 2, width_ratios=[2, 1], height_ratios=[1, 1, 2]) fig = plt.figure() ax1 = fig.add_subplot(gs[0, :]) # 占据第一行全部宽度 ax1.plot(x1, y1, 'o-') ax1.set_title('Damped Oscillation') ax2 = fig.add_subplot(gs[1, 0]) # 第二行左侧 ax2.plot(x2, y2, '.-') ax2.set_title('Undamped Oscillation') ax3 = fig.add_subplot(gs[-1, -1]) # 最后一行右侧 ax3.plot(x3, y3, '-^') ax3.set_title('Quadratic Function') plt.tight_layout() plt.show() ``` 这种技术非常适合设计不规则或不对称的布局[^3]。 --- ### 总结 以上介绍了四种常见的 Matplotlib 多子图绘制方法： - `plt.subplot`：快速简便。 - `plt.subplots`：灵活性强，推荐用于大多数情况。 - `plt.axes`：完全手工控制，适合特定需求。 - GridSpec：高级布局工具，支持复杂场景。 每种方法都有其适用范围，可根据实际需求选择合适的技术。