matplotlib subplot与subplots多图参数详解

脚本专家

一、多图绘制入口：subplot 与 subplots
Matplotlib 的 pyplot 提供 subplot() 和 subplots() 两种多子图绘制方式。前者在绘图时需要指定子图位置，每调用一次通常只处理一个子图；后者可以一次生成多个子图，调用时直接使用返回对象中的 ax 即可。

二、subplot：按行列位置逐个添加子图
subplot 常见调用形式包括：

2. subplot(nrows, ncols, index, **kwargs)
3. subplot(pos, **kwargs)
4. subplot(**kwargs)
5. subplot(ax)

复制代码

它会把整个绘图区域分成 nrows 行、ncols 列，然后按从左到右、从上到下的顺序给每个子区域编号为 1...N。左上角子区域编号为 1，右下角编号为 N，具体使用哪个子区域由 index 决定。

当 nrows=1、ncols=2 时，图表被划分为 1x2 区域，对应坐标是 (1,1)、(1,2)。index=1 表示第一行第一列，index=2 表示第一行第二列。示例代码：

2. import matplotlib.pyplot as plt
3. import numpy as np
4. #plot 1:
5. xpoints = np.array([0, 6])
6. ypoints = np.array([0, 100])
7. plt.subplot(1, 2, 1)
8. plt.plot(xpoints,ypoints)
9. plt.title("plot 1")
10. #plot 2:
11. x = np.array([1, 2, 3, 4])
12. y = np.array([1, 4, 9, 16])
13. plt.subplot(1, 2, 2)
14. plt.plot(x,y)
15. plt.title("plot 2")
16. plt.suptitle("W3Cschool subplot Test")
17. plt.show()

复制代码

当 nrows=2、ncols=2 时，区域被划分为 2x2，对应坐标是 (1,1)、(1,2)、(2,1)、(2,2)。index 依次为：1 对应 (1,1)，2 对应 (1,2)，3 对应 (2,1)，4 对应 (2,2)。代码示例：

2. import matplotlib.pyplot as plt
3. import numpy as np
4. #plot 1:
5. x = np.array([0, 6])
6. y = np.array([0, 100])
7. plt.subplot(2, 2, 1)
8. plt.plot(x,y)
9. plt.title("plot 1")
10. #plot 2:
11. x = np.array([1, 2, 3, 4])
12. y = np.array([1, 4, 9, 16])
13. plt.subplot(2, 2, 2)
14. plt.plot(x,y)
15. plt.title("plot 2")
16. #plot 3:
17. x = np.array([1, 2, 3, 4])
18. y = np.array([3, 5, 7, 9])
19. plt.subplot(2, 2, 3)
20. plt.plot(x,y)
21. plt.title("plot 3")
22. #plot 4:
23. x = np.array([1, 2, 3, 4])
24. y = np.array([4, 5, 6, 7])
25. plt.subplot(2, 2, 4)
26. plt.plot(x,y)
27. plt.title("plot 4")
28. plt.suptitle("W3Cschool subplot Test")
29. plt.show()

复制代码

三、subplots：一次创建画布和多个 Axes
subplots() 的语法格式为：

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

复制代码

关键参数含义如下：
- nrows：默认 1，设置图表行数。
- ncols：默认 1，设置图表列数。
- sharex、sharey：设置 x、y 轴是否共享属性，默认 false，可设为 'none'、'all'、'row' 或 'col'。False 或 none 表示每个子图的 x 轴或 y 轴独立；True 或 'all' 表示所有子图共享 x 轴或 y 轴；'row' 表示每个子图行共享一个 x 轴或 y 轴；'col' 表示每个子图列共享一个 x 轴或 y 轴。
- squeeze：布尔值，默认 True，表示额外维度从返回的 Axes 对象中挤出。对于 N*1 或 1*N 个子图，返回一维数组；对于 N*M，且 N>1、M>1，返回二维数组。如果设为 False，则不进行挤压操作，返回元素为 Axes 实例的二维数组，即使最终是 1x1。
- subplot_kw：可选字典，把关键字传递给 add_subplot() 来创建每个子图。
- gridspec_kw：可选字典，把关键字传递给 GridSpec 构造函数，用于创建放在网格里的子图。
- **fig_kw：把详细关键字参数传给 figure() 函数。

实践中，subplots 返回的 fig 代表画布，ax 或 axs 代表一个或多个 Axes。示例代码：

2. import matplotlib.pyplot as plt
3. import numpy as np
4. # 创建一些测试数据 -- 图1
5. x = np.linspace(0, 2*np.pi, 400)
6. y = np.sin(x**2)
7. # 创建一个画像和子图 -- 图2
8. fig, ax = plt.subplots()
9. ax.plot(x, y)
10. ax.set_title('Simple plot')
11. # 创建两个子图 -- 图3
12. f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
13. ax1.plot(x, y)
14. ax1.set_title('Sharing Y axis')
15. ax2.scatter(x, y)
16. # 创建四个子图 -- 图4
17. fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
18. axs[0, 0].plot(x, y)
19. axs[1, 1].scatter(x, y)
20. # 共享 x 轴
21. plt.subplots(2, 2, sharex='col')
22. # 共享 y 轴
23. plt.subplots(2, 2, sharey='row')
24. # 共享 x 轴和 y 轴
25. plt.subplots(2, 2, sharex='all', sharey='all')
26. # 这个也是共享 x 轴和 y 轴
27. plt.subplots(2, 2, sharex=True, sharey=True)
28. # 创建标识为 10 的图，已经存在的则删除
29. fig, ax = plt.subplots(num=10, clear=True)
30. plt.show()

复制代码

四、参数选择与适用场景
从调用方式看，subplot 更适合按位置逐个添加子图：每次调用传入行数、列数和 index，随后用 plt.plot、plt.title 等当前轴方法绘图。subplots 更适合一次性搭好画布和子图数组，再通过 ax 对象分别绘图，尤其在需要共享轴、统一设置 subplot_kw 或 gridspec_kw 时更直接。

需要特别注意 squeeze 对返回结构的影响：1x2 这类布局在默认 squeeze=True 时可直接解包成两个 Axes；2x2 这类行列都大于 1 的布局返回二维数组，需要用 axs[0,0]、axs[1,1] 等方式访问。若希望无论行列数如何都得到二维数组，可把 squeeze=False。共享轴方面，sharex/sharey 的 False、none、True、all、row、col 分别对应独立、全部共享、按行共享和按列共享，实际选择应结合坐标刻度可读性与子图布局决定。

总结来说，subplot 与 subplots 都是 Matplotlib 绘制多图的常用入口，核心差异在于定位方式、返回对象和参数传递方式。逐个定位子图时用 subplot，批量创建并统一管理 Axes 时用 subplots，理解了行列编号、index、sharex/sharey、squeeze 等参数后，多子图代码会更容易维护。