首先subplot()、subplots()均用于Matplotlib 绘制多图

在我们使用这两个函数的之前,我们需要理解它的实际工作流程返回对象的含义,这样我们能更好的用它们来处理大型的数据

1.从两者的区别来谈谈函数返回对象:

菜鸟教程原文解释:
subplots 一次性创建并返回所有的子图和其 axe 对象。subplot则是分开多次添加子图。每次调用返回一个子图和对应的 ax 对象。
不知道你第一次看到这段话是否迷惑,反正我是迷了,后来看了大量教程发现这样的说法是极其模糊和不准确的。
来让我们搞懂它们吧
来看这段常见代码:

import numpy as npimport matplotlib.pyplot as pltfig, ax = plt.subplots()

这里fig和ax是两个subplots()的返回对象,名称当然可以自定义
实际的含义是什么呢?这个才是最重要的
我的理解:
fig——-即figure,画窗
ax——-即axex,画窗中创建的笛卡尔坐标区
上面的代码是下面代码的精简形式:

fig = plt.figure()#首先调用plt.figure()创建了一个**画窗对象fig**ax = fig.add_subplot(111)#然后再对fix创建默认的坐标区(一行一列一个坐标区)#这里的(111)相当于(1,1,1),当然,官方有规定,当子区域不超过9个的时候,我们可以这样简写

关于subplot():
来看matplotlib.pyplot.subplot的官方解释:

注意这句:This is a wrapper of Figure.add_subplot which provides additional behavior when working with the implicit API (see the notes section).
即是对add_subplot()函数的封装调用。
再来看add_subplot():

意思就是用来向画窗添加坐标区的。

那么我们可以进行总结了:
subplot()、subplots()在实际过程中,先创建了一个figure画窗,然后通过调用add_subplot()来向画窗中各个分块添加坐标区,其差别在于是分次添加(subplot())还是一次性添加(subplots())

我解释的可能会比较混乱,再来看张图:

另外:matplotlib 是从MATLAB启发而创建的,这俩的命令几乎一模一样,所以概念基本完全相同,既然python教程看的那么麻烦,何不看看MATLAB官方文档,给你解释的明明白白的还附带一堆例子。
subplot
axis
figure
plot
axes
到这里看完,相信你一定有一个更清晰的认识了,下面关于subplot()、subplots()就说的简单一点了,更多需要自己带上理解去感悟

2.plt.subplot()

函数原型 subplot(nrows, ncols, index, **kwargs),一般我们只用到前三个参数,将整个绘图区域分成 nrows 行和 ncols 列,而index用于对子图进行编号

这里直接copy了菜鸟教程的代码,如图中,创建了一个1×2的subplot对象,即两块绘制区域,当我们在每个区域进行绘制时,需要使用参数来制定绘制区域,即使用第三个参数index

import matplotlib.pyplot as pltimport numpy as np#plot 1:xpoints = np.array([0, 6])ypoints = np.array([0, 100])plt.subplot(1, 2, 1)plt.plot(xpoints,ypoints)plt.title("plot 1")#plot 2:x = np.array([1, 2, 3, 4])y = np.array([1, 4, 9, 16])plt.subplot(1, 2, 2)plt.plot(x,y)plt.title("plot 2")plt.suptitle("RUNOOB subplot Test")plt.show()


3.plt.subplots()
语法格式:

matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True,subplot_kw=None, gridspec_kw=None, **fig_kw)

-nrows:默认为 1,设置图表的行数。
-ncols:默认为 1,设置图表的列数。
-sharex、sharey:设置 x、y 轴是否共享属性,默认为 false,可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的,True 或 ‘all’:所有子图共享 x 轴或 y 轴,‘row’ 设置每个子图行共享一个 x 轴或 y 轴,‘col’:设置每个子图列共享一个 x 轴或 y 轴。

直接看实例,关于图的解释写在了注释里

import matplotlib.pyplot as pltimport numpy as np# 创建一些测试数据 x = np.linspace(0,100, 4)y = np.sin(x**2)# 创建一个画像和子图 -- 图1fig, ax = plt.subplots()ax.plot(x, y)ax.set_title('Simple plot')# 创建两个子图 -- 图2#如图figure2,四个子图中上两幅图并无x轴(与下子图共享),因为已设置sharex=True#若改为sharey=True,可观察到四副子图中右两幅无y轴(即与左子图共享)f, ([ax1, ax2],[ax3,ax4]) = plt.subplots(2, 2, sharex=True)ax1.plot(x, y)ax1.set_title('Sharing x axis')ax2.scatter(x, y)ax3.scatter(x, y)ax4.scatter(x, y)# 创建四个子图 -- 图3#通过对subplot_kw传入参数,生成关于极坐标系的子图fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))axs[0, 0].plot(x, y)axs[1, 1].scatter(x, y)plt.show()