学习python画图是必需掌握的技能，不能每当画图便寻求搜索引擎的帮助，还是自己梳理一遍吧！本篇文章还是围绕如何快速应用而展开，当然也要知晓一些所以然。
1 疑惑
1.1 plt还是ax
看了许多书本中的画图示例，有直接在plt上画的，也有用ax画的，这两者究竟是什么，又有哪些区别呢。
从下面这一行代码进行解读：
fig,ax=plt.subplots()
什么是fig?
在任何绘图之前，我们需要一个Figure对象，至少要有这一层才可以画。.plt 对应的就是最高层 scripting layer。这就是为什么它简单上手，但要调细节就不灵了。即：
fig=plt.figure()
什么是ax，axes？
axis 指的就是 x 坐标轴，y 坐标轴等，代表的是一根坐标轴。而 axes 在英文里是 axis 的复数形式，也就是说，axes 代表的其实是 figure 当中的一套坐标轴。之所以说一套而不是两个坐标轴，是因为如果你画三维的图，axes 就代表 3 根坐标轴了。所以，在一个 figure 当中，每添加一次 subplot ，其实就是添加了一套坐标轴，也就是添加了一个
axes，放在二维坐标里就是你添加了两根坐标轴，分别是 x 轴和 y 轴。
ax.plot 是在 artist layer 上操作。基本上可以实现任何细节的调试。
[以上源自第一个参考链接的评论区]
ax=fig.add_subplot(1,1,1) # 前两个参数代表子图的行数和列数,第三个参数表示代表第1个子图
以上便是对fig,ax=plt.subplots()的详细分解。
2 add_subplot()与subplots()
2.1 add_subplot()
这两者的主要区别是前者返回一个对象，后者可以返回一个对象数组即多个对象，具体参见下方示例。
- add_subplot(nrows, ncols, index)
通过自己创建的几个示例，大致搞懂了add_subplot()，相当于在我们创建的figure画布上通过添加ax堆叠。
示例1:创建折线图
在（5，4）大小的画布上画折线图，只添加一个ax的情形
x=[1,2,3,4,5] y=[3,1,4,5,2] fig=plt.figure(figsize=(5,4)) ax=fig.add_subplot(1,1,1) ax.plot(x,y) plt.show()
示例2：两张图表情形
x1=[1,2,3,4,5] y1=[3,1,4,5,2] x2=[1,2,3,4,5] y2=[3,1,4,5,2] fig=plt.figure(figsize=(5,4)) ax1=fig.add_subplot(1,2,1) #将原先的figsize的尺寸切分成1行，两列的大小，选择第一个区域 ax2=fig.add_subplot(1,2,2) #选择第二个区域 ax1.plot(x,y) ax2.scatter(x,y) #画散点图 plt.show()
效果：
示例3：添加subplot时做不同的切分
x1=[1,2,3,4,5] y1=[3,1,4,5,2] x2=[1,2,3,4,5] y2=[3,1,4,5,2] fig=plt.figure(figsize=(5,4)) ax1=fig.add_subplot(1,2,1) ax2=fig.add_subplot(1,3,2) #代码与上方区别，在于这里切分为1行3列 ax1.plot(x,y) ax2.scatter(x,y) plt.show()
效果：
通过最终呈现效果可以发现，后添加的ax2挡在了ax1的上方，相信通过上方的3个示例对fig.add_subplot方法会有清晰的认识。
2.2 subplots()
示例1：单行或单列
x1=[1,2,3,4,5] y1=[3,1,4,5,2] x2=[1,2,3,4,5] y2=[3,1,4,5,2] fig=plt.figure(figsize=(5,4)) axes=fig.subplots(2,1) #将原有fig切分为两行一列，返回数组 axes[0].plot(x1,y1) #对第一个ax进行操作 axes[1].scatter(x2,y2) plt.show()
效果：
示例2：多行多列（按照二维数组来表示）
2X2，总共有4个子图，选择其中两个作图。
x1=[1,2,3,4,5] y1=[3,1,4,5,2] x2=[1,2,3,4,5] y2=[3,1,4,5,2] fig=plt.figure(figsize=(5,4)) axes=fig.subplots(2,2) axes[0,1].plot(x1,y1) #第0行，第一列，确定方位 axes[1,1].scatter(x2,y2) # 第1行，第1列 plt.show()
效果：
3 基本使用
如果能把下面这张图搞懂应用，大概就入门了吧！方法里还有诸如颜色等很多参数，这个边用边学找到自己常用的功能即可。
3.1 坐标轴标签、标题
以单图为例，许多常用参数(坐标轴、标题)的设置都是在ax.set()中进行
x = np.linspace(0, 2 * np.pi, 200) y = np.sin(x) fig, ax = plt.subplots() ax.plot(x, y) ax.set(xlabel='this is x_lable',title='This is a example') plt.show()
3.2 设置图例legend
x1 = np.linspace(0, 2 * np.pi, 200) y1 = np.sin(x) x2=[1,2,3,4,5] y2=[3,1,4,5,2] fig, ax = plt.subplots() ax.plot(x1,y1,label='sin') ax.plot(x2,y2,label='line') ax.set(xlabel='x_lable',ylabel='y_label',title='This is a example') ax.legend(loc='best') #这里可以设置legend位置，有很多设置哦！ # 等价于loc=0 plt.show()
效果：
3.3 在图表中添加中文
# 支持中文 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号
通过搜索发现上面两行代码一般都会加在前面，自行验证下效果吧！
总结
写到这儿，还有许多方法、参数并未介绍，少即是多吧！边学边用再补充，可参考第4个参考链接了解更多基本用法。
References
1:matplotlib：先搞明白plt. /ax./ fig再画 - 知乎 (zhihu.com)
2:fig, ax = plt.subplots(figsize = (a, b))解析（最清晰的解释）_我是管小亮的博客-CSDN博客_figsize
3:Basic Usage — Matplotlib 3.5.1 documentation
4:Python–Matplotlib（基本用法)
