### 绘制包含四个子图的复杂函数曲线 要实现使用 Matplotlib 创建一个具有四个子图（上下左右布局）并绘制复杂函数曲线的任务，可以采用 `plt.subplots` 或者 `add_subplot` 方法。以下是详细的说明以及代码示例。 #### 使用 plt.subplots 实现 `plt.subplots` 是一种更简洁的方式创建多个子图。可以通过指定参数 `nrows` 和 `ncols` 来定义子图的行列数量。对于上下左右布局的情况，可以选择 `nrows=2`, `ncols=2` 的配置[^2]。 ```python import numpy as np import matplotlib.pyplot as plt # 数据准备 x = np.linspace(-10, 10, 500) y1 = np.sin(x) * np.exp(-np.abs(x)/10) # 复杂函数1 y2 = np.cos(x) * np.exp(-np.abs(x)/10) # 复杂函数2 y3 = np.tan(np.sin(x)) # 复杂函数3 y4 = np.log(np.abs(x) + 1) # 复杂函数4 # 创建子图 fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(8, 6)) # 子图1 axs[0, 0].plot(x, y1, label="Decaying Sine", color='blue') axs[0, 0].set_title("Sine with Decay") axs[0, 0].legend() # 子图2 axs[0, 1].plot(x, y2, label="Decaying Cosine", color='green') axs[0, 1].set_title("Cosine with Decay") axs[0, 1].legend() # 子图3 axs[1, 0].plot(x, y3, label="Tan(Sin)", color='red') axs[1, 0].set_title("Tangent of Sine") axs[1, 0].legend() # 子图4 axs[1, 1].plot(x, y4, label="Log(|x|+1)", color='purple') axs[1, 1].set_title("Natural Logarithm Variant") axs[1, 1].legend() # 调整布局 plt.tight_layout() plt.show() ``` 上述代码展示了如何利用 `subplots` 方法创建一个 2×2 布局的子图，并在每个子图中绘制不同的复杂函数曲线[^2]。 #### 使用 add_subplot 实现 另一种方式是通过 `add_subplot` 手动添加子图。这种方式更加灵活，适合复杂的自定义需求[^1]。 ```python import numpy as np import matplotlib.pyplot as plt # 数据准备 x = np.linspace(-10, 10, 500) y1 = np.sin(x) * np.exp(-np.abs(x)/10) # 复杂函数1 y2 = np.cos(x) * np.exp(-np.abs(x)/10) # 复杂函数2 y3 = np.tan(np.sin(x)) # 复杂函数3 y4 = np.log(np.abs(x) + 1) # 复杂函数4 # 创建 Figure 对象 fig = plt.figure(figsize=(8, 6)) # 添加子图1 ax1 = fig.add_subplot(2, 2, 1) ax1.plot(x, y1, label="Decaying Sine", color='blue') ax1.set_title("Sine with Decay") ax1.legend() # 添加子图2 ax2 = fig.add_subplot(2, 2, 2) ax2.plot(x, y2, label="Decaying Cosine", color='green') ax2.set_title("Cosine with Decay") ax2.legend() # 添加子图3 ax3 = fig.add_subplot(2, 2, 3) ax3.plot(x, y3, label="Tan(Sin)", color='red') ax3.set_title("Tangent of Sine") ax3.legend() # 添加子图4 ax4 = fig.add_subplot(2, 2, 4) ax4.plot(x, y4, label="Log(|x|+1)", color='purple') ax4.set_title("Natural Logarithm Variant") ax4.legend() # 调整布局 plt.tight_layout() plt.show() ``` 此代码片段展示的是基于 `add_subplot` 方法构建相同效果的子图布局[^1]。 --- #### 总结 无论是使用 `plt.subplots` 还是 `add_subplot`，都可以轻松完成四子图的布局设计。前者更适合快速开发场景下的简单应用，而后者则提供了更高的灵活性以满足特定的需求。 问题