plt: subplots()详解

plt.subplots() 是 Matplotlib 库中一个非常重要的函数，用于创建多个子图的图形对象。它可以帮助用户快速设计复杂的图形布局，便于数据的比较和展示。下面我们来详细阐述 plt.subplots() 的用法，并结合代码示例进行说明。

基本使用

plt.subplots() 的基本语法如下：

fig, axs = plt.subplots(nrows=1, ncols=1, figsize=None, dpi=None, facecolor=None, edgecolor=None, sharex=False, sharey=False, subplot_kw=None, gridspec_kw=None, **fig_kw)

• nrows 和 ncols：指定行数和列数，即子图的网格布局。
• figsize：指定整个图形的大小，以英寸为单位，例如 (8, 6) 表示宽 8 英寸，高 6 英寸。
• axs：返回一个包含所有子图的数组或列表，方便后续的绘制操作。

示例：创建多个子图

下面是一个具体的示例，展示如何使用 plt.subplots() 创建多个子图，并在每个子图中绘制不同的数据。

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x / 10)

# 创建 2 行 2 列的子图
fig, axs = plt.subplots(nrows=2, ncols=2, figsize=(10, 8))

# 在第一个子图中绘制正弦函数
axs[0, 0].plot(x, y1, color='b', label='sin(x)')
axs[0, 0].set_title('正弦函数')
axs[0, 0].set_xlabel('x')
axs[0, 0].set_ylabel('sin(x)')
axs[0, 0].legend()

# 在第二个子图中绘制余弦函数
axs[0, 1].plot(x, y2, color='r', label='cos(x)')
axs[0, 1].set_title('余弦函数')
axs[0, 1].set_xlabel('x')
axs[0, 1].set_ylabel('cos(x)')
axs[0, 1].legend()

# 在第三个子图中绘制正切函数
axs[1, 0].plot(x, y3, color='g', label='tan(x)')
axs[1, 0].set_title('正切函数')
axs[1, 0].set_xlabel('x')
axs[1, 0].set_ylabel('tan(x)')
axs[1, 0].legend()
axs[1, 0].set_ylim(-10, 10)  # 限制y轴范围，避免正切函数的无穷大导致图形显示问题

# 在第四个子图中绘制指数函数
axs[1, 1].plot(x, y4, color='m', label='exp(x/10)')
axs[1, 1].set_title('指数函数')
axs[1, 1].set_xlabel('x')
axs[1, 1].set_ylabel('exp(x/10)')
axs[1, 1].legend()

# 调整布局，避免重叠
plt.tight_layout()
plt.show()

代码解析

1. 数据创建：我们使用 Numpy 创建了一组数据，用于绘制正弦、余弦、正切和指数函数。

2. 创建子图：使用 plt.subplots(2, 2) 创建一个 2 行 2 列的子图布局，并设置整体图形的大小为 10x8 英寸。

3. 绘制数据：分别在四个子图中绘制不同的函数，使用 set_title、set_xlabel 和 set_ylabel 设置标题和坐标轴标签，同时通过 legend() 显示图例。

4. 调整布局：使用 plt.tight_layout() 调整图形布局，以避免子图之间的重叠。

其他选项

plt.subplots() 还提供了一些更多选项，比如共享坐标轴（sharex 和 sharey），这在比较多个图表时非常有用。

总结

plt.subplots() 是一个非常灵活和强大的函数，能有效提升数据可视化的效率。无论是简单的线性图，还是复杂的多子图布局，它都能很好地满足需求。通过合理使用这个函数，可以让我们的数据展示更加直观和清晰。