在 Python 中，可以使用 Matplotlib 库来绘制多张子图。通过使用 plt.subplot()、plt.subplots()、GridSpec 等方法可以轻松实现多张子图的绘制。其中，plt.subplots() 方法是最常用的，因为它既简单又灵活。下面将详细介绍如何使用这些方法来绘制多张子图。
使用 plt.subplot()
plt.subplot() 是一个常见的方法，它通过指定子图的行数和列数来创建子图。每个子图都有一个唯一的索引号。
import matplotlib.pyplot as plt
创建一个2x2的子图
plt.figure()
第一个子图
plt.subplot(2, 2, 1)
plt.plot([0, 1], [0, 1])
plt.title('Subplot 1')
第二个子图
plt.subplot(2, 2, 2)
plt.plot([0, 1], [0, 2])
plt.title('Subplot 2')
第三个子图
plt.subplot(2, 2, 3)
plt.plot([0, 1], [0, 3])
plt.title('Subplot 3')
第四个子图
plt.subplot(2, 2, 4)
plt.plot([0, 1], [0, 4])
plt.title('Subplot 4')
plt.tight_layout()
plt.show()
在上面的例子中，我们创建了一个包含四个子图的2×2网格。每个子图都是通过调用 plt.subplot() 并指定行数、列数和索引号来创建的。
使用 plt.subplots()
plt.subplots() 是创建多张子图的更高级方法，它不仅可以创建子图，还能返回一个包含所有子图的 Figure 对象和一个包含所有轴对象的数组。
import matplotlib.pyplot as plt
创建一个2x2的子图
fig, axs = plt.subplots(2, 2)
第一个子图
axs[0, 0].plot([0, 1], [0, 1])
axs[0, 0].set_title('Subplot 1')
第二个子图
axs[0, 1].plot([0, 1], [0, 2])
axs[0, 1].set_title('Subplot 2')
第三个子图
axs[1, 0].plot([0, 1], [0, 3])
axs[1, 0].set_title('Subplot 3')
第四个子图
axs[1, 1].plot([0, 1], [0, 4])
axs[1, 1].set_title('Subplot 4')
plt.tight_layout()
plt.show()
在这个例子中，我们使用 plt.subplots() 创建了一个包含四个子图的2×2网格，并通过遍历 axs 数组来访问每个子图。这样的方法比 plt.subplot() 更加简洁和易于管理。
使用 GridSpec
GridSpec 提供了更多的灵活性，可以创建不规则的子图布局。
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
创建一个2x2的子图
fig = plt.figure()
gs = gridspec.GridSpec(2, 2)
第一个子图
ax1 = fig.add_subplot(gs[0, 0])
ax1.plot([0, 1], [0, 1])
ax1.set_title('Subplot 1')
第二个子图
ax2 = fig.add_subplot(gs[0, 1])
ax2.plot([0, 1], [0, 2])
ax2.set_title('Subplot 2')
第三个子图
ax3 = fig.add_subplot(gs[1, :])
ax3.plot([0, 1], [0, 3])
ax3.set_title('Subplot 3')
plt.tight_layout()
plt.show()
在这个例子中，我们使用 GridSpec 创建了一个包含三个子图的布局，其中第三个子图跨越了整行。这种方法非常适合需要复杂布局的情况。
一、使用 plt.subplot()
plt.subplot() 是 Matplotlib 中最基本的创建子图的方法。它通过指定子图的行数、列数和索引号来创建子图。每个子图都有一个唯一的索引号，从左到右，从上到下依次排列。
import matplotlib.pyplot as plt
创建一个2x2的子图网格
plt.figure(figsize=(10, 10))
第一个子图
plt.subplot(2, 2, 1)
plt.plot([0, 1], [0, 1], label='Line 1')
plt.title('Subplot 1')
plt.legend()
第二个子图
plt.subplot(2, 2, 2)
plt.plot([0, 1], [0, 2], label='Line 2')
plt.title('Subplot 2')
plt.legend()
第三个子图
plt.subplot(2, 2, 3)
plt.plot([0, 1], [0, 3], label='Line 3')
plt.title('Subplot 3')
plt.legend()
第四个子图
plt.subplot(2, 2, 4)
plt.plot([0, 1], [0, 4], label='Line 4')
plt.title('Subplot 4')
plt.legend()
plt.tight_layout()
plt.show()
在上面的例子中，我们创建了一个2×2的子图网格，并在每个子图中绘制了一条不同的直线。plt.subplot() 的第一个参数是行数，第二个参数是列数，第三个参数是子图的索引号。索引号是从1开始的，从左到右，从上到下依次排列。
二、使用 plt.subplots()
plt.subplots() 是一种更高级的方法，它不仅可以创建子图，还能返回一个包含所有子图的 Figure 对象和一个包含所有轴对象的数组。这样可以更方便地对每个子图进行操作。
import matplotlib.pyplot as plt
创建一个2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 10))
第一个子图
axs[0, 0].plot([0, 1], [0, 1], label='Line 1')
axs[0, 0].set_title('Subplot 1')
axs[0, 0].legend()
第二个子图
axs[0, 1].plot([0, 1], [0, 2], label='Line 2')
axs[0, 1].set_title('Subplot 2')
axs[0, 1].legend()
第三个子图
axs[1, 0].plot([0, 1], [0, 3], label='Line 3')
axs[1, 0].set_title('Subplot 3')
axs[1, 0].legend()
第四个子图
axs[1, 1].plot([0, 1], [0, 4], label='Line 4')
axs[1, 1].set_title('Subplot 4')
axs[1, 1].legend()
plt.tight_layout()
plt.show()
在这个例子中，我们使用 plt.subplots() 创建了一个2×2的子图网格，并通过遍历 axs 数组来访问每个子图。这样的方法比 plt.subplot() 更加简洁和易于管理。
三、使用 GridSpec
GridSpec 提供了更多的灵活性，可以创建不规则的子图布局。它允许我们通过指定行和列的比例来创建子图，并且可以跨行或跨列。
import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
创建一个2x2的子图网格
fig = plt.figure(figsize=(10, 10))
gs = gridspec.GridSpec(2, 2)
第一个子图
ax1 = fig.add_subplot(gs[0, 0])
ax1.plot([0, 1], [0, 1], label='Line 1')
ax1.set_title('Subplot 1')
ax1.legend()
第二个子图
ax2 = fig.add_subplot(gs[0, 1])
ax2.plot([0, 1], [0, 2], label='Line 2')
ax2.set_title('Subplot 2')
ax2.legend()
第三个子图
ax3 = fig.add_subplot(gs[1, :])
ax3.plot([0, 1], [0, 3], label='Line 3')
ax3.set_title('Subplot 3')
ax3.legend()
plt.tight_layout()
plt.show()
在这个例子中，我们使用 GridSpec 创建了一个包含三个子图的布局，其中第三个子图跨越了整行。这种方法非常适合需要复杂布局的情况。
四、使用 plt.subplots_adjust()
plt.subplots_adjust() 允许我们手动调整子图之间的间距。它的参数包括 left、right、bottom、top、wspace 和 hspace，分别表示子图的左、右、下、上边距，以及子图之间的水平和垂直间距。
import matplotlib.pyplot as plt
创建一个2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 10))
第一个子图
axs[0, 0].plot([0, 1], [0, 1], label='Line 1')
axs[0, 0].set_title('Subplot 1')
axs[0, 0].legend()
第二个子图
axs[0, 1].plot([0, 1], [0, 2], label='Line 2')
axs[0, 1].set_title('Subplot 2')
axs[0, 1].legend()
第三个子图
axs[1, 0].plot([0, 1], [0, 3], label='Line 3')
axs[1, 0].set_title('Subplot 3')
axs[1, 0].legend()
第四个子图
axs[1, 1].plot([0, 1], [0, 4], label='Line 4')
axs[1, 1].set_title('Subplot 4')
axs[1, 1].legend()
调整子图之间的间距
plt.subplots_adjust(wspace=0.5, hspace=0.5)
plt.show()
在这个例子中，我们使用 plt.subplots_adjust() 来增加子图之间的间距。通过调整 wspace 和 hspace 的值，可以控制子图之间的水平和垂直间距。
五、综合应用实例
最后，我们通过一个综合实例来展示如何使用上述方法来绘制多张子图。这个例子将使用 plt.subplots() 创建一个包含不同类型图表的子图网格。
import matplotlib.pyplot as plt
import numpy as np
生成数据
x = np.linspace(0, 2 * np.pi, 400)
y = np.sin(x 2)
创建一个2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(12, 12))
第一张子图：折线图
axs[0, 0].plot(x, y, label='sin(x^2)')
axs[0, 0].set_title('Line Plot')
axs[0, 0].legend()
第二张子图：散点图
axs[0, 1].scatter(x, y, c='r', label='scatter')
axs[0, 1].set_title('Scatter Plot')
axs[0, 1].legend()
第三张子图：柱状图
axs[1, 0].bar(np.arange(1, 6), np.random.randint(1, 10, 5), label='bars')
axs[1, 0].set_title('Bar Chart')
axs[1, 0].legend()
第四张子图：饼图
axs[1, 1].pie([10, 20, 30, 40], labels=['A', 'B', 'C', 'D'], autopct='%1.1f%%')
axs[1, 1].set_title('Pie Chart')
plt.tight_layout()
plt.show()
在这个综合实例中，我们创建了一个包含四种不同类型图表的2×2子图网格：折线图、散点图、柱状图和饼图。通过这种方式，可以在一个图形窗口中展示多种数据的可视化效果。
六、子图布局的优化
虽然上述方法已经能够创建多张子图，但在实际应用中，子图之间的布局和间距往往需要进一步优化。下面介绍一些常用的优化方法。
1、使用 tight_layout()
plt.tight_layout() 是一个自动调整子图间距的简单方法。它会在不覆盖子图标题和标签的情况下，尽可能地紧凑排列子图。
import matplotlib.pyplot as plt
创建一个2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 10))
第一个子图
axs[0, 0].plot([0, 1], [0, 1], label='Line 1')
axs[0, 0].set_title('Subplot 1')
axs[0, 0].legend()
第二个子图
axs[0, 1].plot([0, 1], [0, 2], label='Line 2')
axs[0, 1].set_title('Subplot 2')
axs[0, 1].legend()
第三个子图
axs[1, 0].plot([0, 1], [0, 3], label='Line 3')
axs[1, 0].set_title('Subplot 3')
axs[1, 0].legend()
第四个子图
axs[1, 1].plot([0, 1], [0, 4], label='Line 4')
axs[1, 1].set_title('Subplot 4')
axs[1, 1].legend()
自动调整子图间距
plt.tight_layout()
plt.show()
在这个例子中，我们使用 plt.tight_layout() 自动调整了子图间距，使得子图之间的间距更加合理。
2、使用 constrained_layout()
constrained_layout 是 Matplotlib 的一种布局管理工具，可以在不重叠子图标题、标签和色条的情况下自动调整子图间距。它比 tight_layout() 更加智能和灵活。
import matplotlib.pyplot as plt
创建一个2x2的子图网格
fig, axs = plt.subplots(2, 2, figsize=(10, 10), constrained_layout=True)
第一个子图
axs[0, 0].plot([0, 1], [0, 1], label='Line 1')
axs[0, 0].set_title('Subplot 1')
axs[0, 0].legend()
第二个子图
axs[0, 1].plot([0, 1], [0, 2], label='Line 2')
axs[0, 1].set_title('Subplot 2')
axs[0, 1].legend()
第三个子图
axs[1, 0].plot([0, 1], [0, 3], label='Line 3')
axs[1, 0].set_title('Subplot 3')
axs[1, 0].legend()
第四个子图
axs[1, 1].plot([0, 1], [0, 4], label='Line 4')
axs[1, 1].set_title('Subplot 4')
axs[1, 1].legend()
plt.show()
在这个例子中，我们通过在 plt.subplots() 中设置 constrained_layout=True 来启用 constrained_layout 布局管理工具，使得子图之间的间距更加合理和美观。
七、子图共享轴
在某些情况下，我们希望多个子图共享同一个轴，这样可以更方便地比较不同子图中的数据。plt.subplots() 提供了 sharex 和 sharey 参数，可以方便地实现这一功能。
1、共享 X 轴
import matplotlib.pyplot as plt
创建一个2x2的子图网格，共享X轴
fig, axs = plt.subplots(2, 2, figsize=(10, 10), sharex=True)
第一个子图
axs[0, 0].plot([
相关问答FAQs：
在Python中，如何创建多个子图的布局？
在Python中，可以使用Matplotlib库轻松创建多个子图。你可以使用plt.subplot()函数来定义子图的布局，比如plt.subplot(2, 2, 1)表示在2行2列的布局中选择第一个子图。通过循环和不同的索引，可以灵活地创建所需数量的子图，并在每个子图中绘制不同的数据或图形。
使用哪些库可以绘制多张子图？
Matplotlib是最常用的库来绘制多张子图，但其他库如Seaborn和Plotly也提供类似功能。Seaborn基于Matplotlib，适合于更复杂的数据可视化，而Plotly则支持交互式图形。如果你需要更复杂的布局或交互功能，可以考虑使用这些库。
如何在子图中共享坐标轴？
可以通过设置sharex和sharey参数来共享坐标轴。在创建子图时，例如使用plt.subplots(2, 2, sharex=True, sharey=True)，这样可以让所有子图共享相同的x轴和y轴。这在比较不同数据集时非常有用，可以保持图形的一致性和可比性。
