使用 Matplotlib 除可以生成包含多条折线的复式折线图之外，它还允许在一张数据图上包含多个子图。

调用 subplot() 函数可以创建一个子图，然后程序就可以在子图上进行绘制。subplot(nrows, ncols, index, **kwargs) 函数的 nrows 参数指定将数据图区域分成多少行；ncols 参数指定将数据图区域分成多少列；index 参数指定获取第几个区域。

subplot() 函数也支持直接传入一个三位数的参数，其中第一位数将作为 nrows 参数；第二位数将作为 ncols 参数；第三位数将作为 index 参数。

下面程序示范了生成多个子图：

import matplotlib.pyplot as plt import numpy as np plt.figure() # 定义从-pi到pi之间的数据，平均取64个数据点 x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True) # ① # 将整个figure分成两行两列，第三个参数表示该图形放在第1个网格 plt.subplot(2, 2, 1) # 绘制正弦曲线 plt.plot(x_data, np.sin(x_data)) plt.gca().spines['right'].set_color('none') plt.gca().spines['top'].set_color('none') plt.gca().spines['bottom'].set_position(('data', 0)) plt.gca().spines['left'].set_position(('data', 0)) plt.title('正弦曲线') # 将整个figure分成两行两列，并将该图形放在第2个网格 plt.subplot(222) # 绘制余弦曲线 plt.plot(x_data, np.cos(x_data)) plt.gca().spines['right'].set_color('none') plt.gca().spines['top'].set_color('none') plt.gca().spines['bottom'].set_position(('data', 0)) plt.gca().spines['left'].set_position(('data', 0)) plt.title('余弦曲线') # 将整个figure分成两行两列，并该图形放在第3个网格 plt.subplot(223) # 绘制正切曲线 plt.plot(x_data, np.tan(x_data)) plt.gca().spines['right'].set_color('none') plt.gca().spines['top'].set_color('none') plt.gca().spines['bottom'].set_position(('data', 0)) plt.gca().spines['left'].set_position(('data', 0)) plt.title('正切曲线') plt.show()

上面程序多次调用 subplot() 函数来生成子图，每次调用 subplot() 函数之后的代码表示在该子图区域绘图。上面程序将整个数据图区域分成 2×2 的网格，程序分别在第 1 个网格中绘制正弦曲线，在第 2 个网格中绘制余弦曲线，在第 3 个网格中绘制正切曲线。

可能有读者感到疑问，plot() 函数不是用于绘制折线图的吗？怎么此处还可用于绘制正弦曲线、余弦曲线呢？

其实此处绘制的依然是折线图。看程序中的 ① 号代码调用 numpy 的 linspace() 函数生成了一个包含多个数值的列表，该数值列表的范围是从 -pi 到 pi，平均分成 64 个数据点，程序中用到的 numpy.sin()、numpy.cos()、numpy.tan() 等函数也返回一个列表：传入这些函数的列表包含多少个值，这些函数返问的列表也包含多少个值。

这意味着上面程序所给制的折线图会包含 64 个转折点，由于这些转折点非常密集，看上去显得比较光滑，因此就变成了曲线。

如果读者将程序中x_data=np.linespace(-np.pi,np.pi,64,endpoint = True)代码的 64 改为4、6等较小的数，将会看到程序绘制的依然是折线图。

运行上面程序，可以看到如图 1 所示的效果。

图 1 生成多个子图

如图 1 所示的显示效果比较差，程序明明只要显示 3 个子图，但第 4 个位置被空出来了，能不能让某个子图占多个网格昵？答案是肯定的，程序做好控制即可。例如，将上面程序改为如下形式：

import matplotlib.pyplot as plt import numpy as np plt.figure() # 定义从-pi到pi之间的数据，平均取64个数据点 x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True) # ① # 将整个figure分成两行一列，第三个参数表示该图形放在第1个网格 plt.subplot(2, 1, 1) # 省略绘制正弦曲线 ... # 将整个figure分成两行两列，并将该图形放在第4个网格 plt.subplot(223) # 省略绘制余弦曲线 ... # 将整个figure分成两行两列，并该图形放在第4个网格 plt.subplot(224) #省略绘制正切曲线 ... plt.show()

上面程序中第 8 行代码将整个区域分成两行一列，并指定子图占用第 1 个网格，也就是整个区域的第一行：第 13 行代码将整个区域分成两行两列，并指定子图占用第 3 个网格(注意不是第 2 个网络，因为第一个子图已经占用了第一行，对于两行两列的网格来说，第一个子图已经占用了两个网格，因此此处指定子图占用第 3 个网格，这意味着该子图在第二行第一格)；第 18 行代码将整个区域分成两行两列，并指定子图占用第 4 个网格，这意味着该子图会在第二行第二格。

运行上面程序，可以看到如图 2 所示的效果。

图 2 控制多个子图的分布

如果读者不想这么费劲来计算行、列，将上面程序改为如下形式：

import matplotlib.pyplot as plt import numpy as np import matplotlib.gridspec as gridspec plt.figure() # 定义从-pi到pi之间的数据，平均取64个数据点 x_data = np.linspace(-np.pi, np.pi, 64, endpoint=True) # ① # 将绘图区域分成2行3列 gs = gridspec.GridSpec(2, 3) # 指定ax1占用第一行(0)整行 ax1 = plt.subplot(gs[0, :]) # 指定ax1占用第二行(1)的第一格(第二个参数0代表) ax2 = plt.subplot(gs[1, 0]) # 指定ax1占用第二行(1)的第二、三格(第二个参数0代表) ax3 = plt.subplot(gs[1, 1:3]) # 绘制正弦曲线 ax1.plot(x_data, np.sin(x_data)) ax1.spines['right'].set_color('none') ax1.spines['top'].set_color('none') ax1.spines['top'].set_color('none') ax1.spines['bottom'].set_position(('data', 0)) ax1.spines['left'].set_position(('data', 0)) ax1.set_title('正弦曲线') # 绘制余弦曲线 ax2.plot(x_data, np.cos(x_data)) ax2.spines['right'].set_color('none') ax2.spines['top'].set_color('none') ax2.spines['bottom'].set_position(('data', 0)) ax2.spines['left'].set_position(('data', 0)) ax2.set_title('余弦曲线') # 绘制正切曲线 ax3.plot(x_data, np.tan(x_data)) ax3.spines['right'].set_color('none') ax3.spines['top'].set_color('none') ax3.spines['bottom'].set_position(('data', 0)) ax3.spines['left'].set_position(('data', 0)) ax3.set_title('正切曲线') plt.show()

上面程序中的第 10 行代码将绘图区域分成两行三列；第 12 行代码调用 subplot(gs[0,:])，指定 ax1子图区域占用第一行整行，其中第一个参数 0 代表行号，没有指定列范围，因此该子图在整个第一行；第 14 行代码调用 subplot(gs[1, 0])，指定 ax2 子图区域占用第二行的第一格，其中第一个参数 1 代表第二行，第二个参数 0 代表第一格，因此该子图在第二行的第一格；第 16 行代码调用 subplot(gs [1 , 1 : 3])，指定 ax3 子图区域占用第二行的第二格到第三格，其中第一个参数 1 代表第二行，第二个参数 1:3 代表第二格到第三格，因此该子图在第二行的第二格到第三格。

定义完 ax1、ax2、ax3 这 3 个子图所占用的区域之后，接下来程序就可以通过 ax1、ax2、ax3 的方法在各自的子图区域绘图了。运行上面程序，可以看到如图 3 所示的效果。

图 3 使用 GridSpec 管理子图的分布