大家好，又见面了，我是你们的朋友全栈君。
目录
一、fig, ax = plt.subplots()的作用？
二、参数的含义？
三、怎么在一个图上排列多个子图？
四、怎么把多个子图一起合并到一个图上？
《Python for Data Analysis》 2nd Edition
一、fig, ax = plt.subplots()的作用？
它是用来创建 总画布/figure“窗口”的，有figure就可以在上边（或其中一个子网格/subplot上）作图了，（fig：是figure的缩写）。
- plt.subplot(111)是plt.subplot(1, 1, 1)另一个写法而已[引用链接]，更完整的写法是plt.subplot(nrows=1, ncols=1, index=1)[官网matplot.pyplot.subplot链接]；
- fig, ax = plt.subplots()等价于fig, ax = plt.subplots(11)[引用链接]。
- fig, axes = plt.subplots(23)：即表示一次性在figure上创建成2*3的网格，使用plt.subplot()只能一个一个的添加[引用链接]：
fig = plt.figure()
ax = plt.subplot(231)
ax = plt.subplot(232)
ax = plt.subplot(233)
ax = plt.subplot(234)
ax = plt.subplot(235)
ax = plt.subplot(236)二、参数的含义？
代码语言：javascript复制首先看 fig = plt.figure()
matpltlib.pyplot.figure(
num = None, # 设定figure名称。系统默认按数字升序命名的figure_num（透视表输出窗口）e.g. “figure1”。可自行设定figure名称，名称或是INT，或是str类型；
figsize=None, # 设定figure尺寸。系统默认命令是rcParams["figure.fig.size"] = [6.4, 4.8]，即figure长宽为6.4 * 4.8；
dpi=None, # 设定figure像素密度。系统默命令是rcParams["sigure.dpi"] = 100；
facecolor=None, # 设定figure背景色。系统默认命令是rcParams["figure.facecolor"] = 'w'，即白色white；
edgecolor=None, frameon=True, # 设定要不要绘制轮廓&轮廓颜色。系统默认绘制轮廓，轮廓染色rcParams["figure.edgecolor"]='w',即白色white；
FigureClass=<class 'matplotlib.figure.Figure'>, # 设定使不使用一个figure模板。系统默认不使用；
clear=False, # 设定当同名figure存在时，是否替换它。系统默认False，即不替换。
**kwargs)然后看ax = plt.subplot()
三、怎么在一个图上排列多个子图？
比如说我们想画个2*2的子图，每个子图对应一个表。
- 先重点考虑2个步骤。
· 第1个步骤：创建多维窗口：
代码语言：javascript复制fig, axes = plt.subplots(2, 2) # 此处是一个2*2的图· 第2个步骤：设定各个透视子图在窗口的位置：
代码语言：javascript复制data.plot.bar(ax=axes[1,1], color='b', alpha=0.5) # ax=[1,1] 即位置是第2行、第二列。（python从0开始计数，所以“1”代表第2的）
data.plot.barh(ax=axes[0,1], color='k', alpha=0.5) # alpha：设定图表的透明度；- 再添加子透视图代码。
· 第3个步骤：得到完整的代码：
代码语言：javascript复制import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 2)
data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[1,1], color='b', alpha = 0.5)
data.plot.barh(ax=axes[0,1], color='k', alpha=0.5)
plt.show()
四、怎么把多个子图一起合并到一个图上？
最主要的一点是让多个图线共用一个x坐标轴。
- 语句规定N个折线图共用一个x坐标（注意：y轴分主副轴）：
import numpy as np
import matplotlib.pyplot as plt
fig, ax1 = plt.subplots(1, 1) # 做1*1个子图，等价于 " fig, ax1 = plt.subplot() "，等价于 " fig, ax1 = plt.subplots() "
ax2 = ax1.twinx() # 让2个子图的x轴一样，同时创建副坐标轴。
# 作y=sin(x)函数
x1 = np.linspace(0, 4 * np.pi, 100)
y1 = np.sin(x1)
ax1.plot(x1, y1)
# 作y = cos(x)函数
x2 = np.linspace(0, 4 * np.pi, 100) # 表示在区间[0, 4π]之间取100个点（作为横坐标，“线段是有无数多个点组成的”）。
y2 = np.cos(x2)
ax2.plot(x2, y2)
plt.savefig('sin_cos_2.png') # 将窗口另存为png格式图片
如果需要主副y轴都一样：就把ax1和ax2它俩用ax一个取代了。
- 自定义图表样式：比如旋转x轴标签、上边和右边的坐标轴不显示、曲线和y轴对齐等
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = ['SimHei'] # 解决不能输出中文的问题。不区分大小写，即SimHei’效果等价于‘simhei’，中括号可以不要
plt.rcParams['figure.autolayout'] = True # 解决不能完整显示的问题（比如因为饼图太大，显示窗口太小）
fig, ax = plt.subplots(1, 1, figsize=(12, 9)) # 进一步设定fig的size为12*9
ax.spines['top'].set_visible(False) # 不显示图表框的上边框
ax.spines['right'].set_visible(False) # 不显示图表框的右边框
ax.set_xlim(0, 10) # 有时候x轴不会从0显示，使得折线图和y轴有间隙
ax.set_ylim(0, 1.3e8) # 和x轴同理
plt.xticks(range(0, 10), fontsize=12, rotation=80) # 针对x轴的标签，指定我们想要设定的范围是(0, 10), 字体大小是12， 逆时针旋转80°
plt.tick_params(bottom='off', left='off', labelbottom='on', lableleft='on') # 使x轴和y轴不带比例标识点， labelbottom设定下边、即x轴的标签是否显示。
< blabla... >
plt.suptitle('自定义图表', fontsize=400, ha='center') # 即标题在x轴和y轴形成的方框内部，如下图（详细用法见下注释）。如果需要标题在这上方，使用 plt.title(blabla)
plt.show()对于multiple subplots一般情况下， 1）设置 plt.xticks(range(0, 10))只会对最后一个ax起作用。要想作用于所有subplots，要这样： for ax in axes: ax.set_xticks(range(0, 10)) 2）标题：显示中文方面-在各个子图上要这样： plt.title('某个子图的中文title', fontproperties='simhei') 因为plt.rcParams[‘font.family’] = ‘simhei’ 只对(多个子图的)整体标题有效。 整体的标题要这样设置： plt.suptitle(‘全体子图的中文title’) 3）xticks的旋转方面。例如上面的主副坐标轴的共x轴，要这样： ax1.set_xticklabels(['str format labels'], rotation=80) 而代码末尾这样设置无效：plt.xticks(x, rotation=80)。更具体的ticks和labels的分析
