### 在同一张图中绘制两张子图的方法 在 Python 中，可以使用 `matplotlib` 库实现将两张图像放置在同一张图的不同区域进行展示。以下是实现这一功能的详细方法和代码示例。 #### 方法：使用 `matplotlib` 的 `subplots` 函数 `matplotlib` 提供了灵活的方式来创建包含多个子图的画布。通过 `plt.subplots()` 函数，可以指定子图的数量、布局以及是否共享轴[^2]。 以下是一个完整的代码示例，展示如何在同一张图中绘制两张子图： ```python import matplotlib.pyplot as plt import numpy as np # 创建数据 x = np.linspace(0, 2 * np.pi, 50) y1 = np.sin(x) y2 = np.cos(x) # 创建画布和子图 fig, axs = plt.subplots(nrows=1, ncols=2, figsize=(10, 5)) # 创建1行2列的子图布局 # 绘制第一张子图 axs[0].plot(x, y1, 'b-', label='sin(x)') axs[0].set_title('Sine Wave') # 设置子图标题 axs[0].set_xlabel('x') # 设置x轴标签 axs[0].set_ylabel('sin(x)') # 设置y轴标签 axs[0].legend() # 添加图例 # 绘制第二张子图 axs[1].plot(x, y2, 'r-', label='cos(x)') axs[1].set_title('Cosine Wave') # 设置子图标题 axs[1].set_xlabel('x') # 设置x轴标签 axs[1].set_ylabel('cos(x)') # 设置y轴标签 axs[1].legend() # 添加图例 # 调整子图之间的间距 plt.tight_layout() # 显示图形 plt.show() ``` #### 代码解析 - 使用 `plt.subplots()` 创建一个包含两个子图的画布，参数 `nrows=1` 和 `ncols=2` 表示创建1行2列的子图布局[^4]。 - 每个子图通过 `axs[i]` 访问，其中 `i` 是子图的索引。 - 使用 `set_title()`、`set_xlabel()` 和 `set_ylabel()` 分别设置子图的标题和坐标轴标签。 - 使用 `legend()` 添加图例以区分不同曲线。 - 使用 `plt.tight_layout()` 自动调整子图之间的间距，避免重叠。 #### 方法扩展：绘制多行多列子图 如果需要在同一张图中绘制更多子图，可以通过调整 `nrows` 和 `ncols` 参数来实现。例如，创建一个2行2列的子图布局： ```python fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(10, 8)) axs[0, 0].plot(x, y1, 'b-', label='sin(x)') axs[0, 1].plot(x, y2, 'r-', label='cos(x)') axs[1, 0].scatter(x, y1, color='green', label='sin(x) points') axs[1, 1].scatter(x, y2, color='purple', label='cos(x) points') for ax in axs.flat: ax.legend() ax.set(xlabel='x', ylabel='y') plt.tight_layout() plt.show() ``` 上述代码展示了如何通过索引访问每个子图，并为每个子图添加不同的绘图类型和样式[^5]。 ### 注意事项 - 确保所有子图的尺寸和比例一致，以避免视觉上的不协调。 - 使用 `tight_layout()` 或手动调整 `figsize` 参数，以优化整体布局。