多个子图的合成
有时，我们希望检查数据的多个方面。例如，查看一个地区的天气状况，我们不仅希望得到时间与温度的关系，同时我们也需要关注时间与风力、PM2.5 等方面之间的关系，此时我们希望同时展现时间-温度、时间-风力、时间-PM2.5三个不同的图形，Matplotlib 提供了将多个图形组合在一起的方法。
importnumpyasnpfrommatplotlibimportpyplotaspltt=np.linspace(-np.pi, np.pi, 1024) grid_size= (4, 2) plt.subplot2grid(grid_size, (0, 0), rowspan=3, colspan=1) plt.plot(np.sin(2*t), np.cos(0.5*t), c='m') plt.subplot2grid(grid_size, (0, 1), rowspan=3, colspan=1) plt.plot(np.cos(3*t), np.sin(t), c='c') plt.subplot2grid(grid_size, (3, 0), rowspan=1, colspan=3) plt.plot(np.cos(5*t), np.sin(7*t), c='y') plt.tight_layout() plt.show()
Tips：使用 plt.subplot2grid() 可以定义一个 R 行、C 列的网格。然后，我们可以将一个图形渲染到所定义的网格中。
plt.subplot2grid() 函数有四个常用参数：
1. 第一个参数是网格的行数和列数，作为元组传递，例如我们想要一个 R 行、C 列的网格，则需要传递（R，C）。
2. 第二个参数用于确定图形在网格中的坐标，也作为元组传递。
3. 可选参数 rowspan 定义图形将占据多少行。
4. 可选参数 colspan 定义图形将占据多少列。
调用 plt.subplot2grid() 后，对 plt 绘图的下一次调用将在指定的矩形区域内绘制图形，同理，要在网格的另一个区域中绘制下一个图形，需要再次调用 plt.subplot2grid()。
在示例中，定义了一个 2x4 的网格。前两个图形占据了 1 列、3 行，第三个图形占据了两列、一行。一旦绘制了所有的图形，就需要调用 pyplot.tight_layout() 按照定义自动排列所有图形，确保它们彼此不重叠。
为每个子图添加标题
我们已经可以将多个子图合成在一个图形中，但是每个子图可能还需要有自己的标题，可以使用 plt.title() 为每个子图添加标题：
importnumpyasnpfrommatplotlibimportpyplotaspltdefget_radius(t, params): m, n_1, n_2, n_3=paramsu= (m*t) /4return (np.fabs(np.cos(u)) **n_2+np.fabs(np.sin(u)) **n_3) ** (-1./n_1) grid_size= (3, 4) t=np.linspace(0, 2*np.pi, 1024) foriinrange(grid_size[0]): forjinrange(grid_size[1]): params=np.random.randint(1, 20+1, size=4) r=get_radius(t, params) plt.subplot2grid(grid_size, (i, j), rowspan=1, colspan=1) plt.plot(r*np.cos(t), r*np.sin(t), c='c') plt.title('%d, %d, %d, %d'%tuple(params), fontsize='small') plt.suptitle("Example of plt.suptitle") plt.tight_layout() plt.show()
Tips：plt.title() 函数可以为每一个图形提供一个标题，但此时，如果我们需要为整个图形提供一个标题，则应该使用 plt.suptitle() 函数。
子图合成的另一种方法
上述的子图合成方法具有通用性，可以使用它创建复杂的布局，但如果我们只需要在同一行或同一列中绘制多个子图，则可以使用更简洁的代码：
importnumpyasnpfrommatplotlibimportpyplotaspltt=np.linspace(-np.pi, np.pi, 1024) fig, (ax0, ax1, ax2) =plt.subplots(ncols=3) ax0.plot(np.sin(2*t), np.cos(0.5*t), c='c') ax1.plot(np.cos(3*t), np.sin(t), c='c') ax2.plot(np.cos(3*t), np.sin(2*t), c='c') plt.tight_layout() plt.show()
Tips：plt.subplots() 函数接受两个可选参数 ncols 和 nrows，并返回一个带有 ncols*nrows 轴实例的 Figure 对象。轴实例按 nrows 行、ncols 列排列在网格中。
更简洁的方法
虽然上述两种方法都可以实现合成子图的应用需求，但是我们需要的远不止此，我们可能想要更简洁的方法，而 plt.subplot() 函数就是我们所需要的。
importnumpyasnpfrommatplotlibimportpyplotaspltdefget_radius(t, params): m, n_1, n_2, n_3=paramsu= (m*t) /4return (np.fabs(np.cos(u)) **n_2+np.fabs(np.sin(u)) **n_3) ** (-1./n_1) grid_size= (3, 4) t=np.linspace(0, 2*np.pi, 1024) foriinrange(grid_size[0] *grid_size[1]): params=np.random.random_integers(1, 20, size=4) r=get_radius(t, params) plt.subplot(grid_size[0], grid_size[1], i+1) plt.plot(r*np.cos(t), r*np.sin(t), c='c') plt.title('%d, %d, %d, %d'%tuple(params), fontsize='small') plt.suptitle("Example of plt.suptitle") plt.tight_layout() plt.show()
Tips：plt.subplot() 函数接收三个参数，分别为行数，列数，以及子图的位序，直接指定划分网格的方式和需要绘图的位置索引。
