Python Matplotlib Subplot绘图流程与核心函数详解

雨后青山

发布时间：2026-10-13 | 6人浏览过

原创

本文详细介绍Python中Matplotlib库的subplot子图绘制流程。涵盖从数据准备、画布创建、多种绘图方式（如plot、bar、scatter等）到图表定制（标题、标签、注释、图例）及保存显示的完整步骤。重点解析fig.add_subplot与plt.subplots()函数的参数用法，包括行列数、共享坐标轴及布局调整，并提供代码示例供参考。

Matplotlib绘图概述与流程

在Python生态中，matplotlib.pyplot是进行数据可视化时最常用的库之一，其功能丰富且实用。虽然其基础框架简洁易懂，但要绘制出功能完善、美观整洁的图表，往往需要查阅大量函数文档。为了提升效率，本文对常用绘图函数进行了系统总结，并附带一个综合示例，旨在帮助用户建立一套可复用的绘图模板，减少重复查找的时间。

一、标准作图流程

完整的绘图过程通常包含六个步骤：1. 准备数据；2. 创建画布；3. 执行绘图；4. 定制图表细节；5. 保存图像；6. 显示图像。

关于数据准备，输入数据可以是NumPy数组，也可以是Python列表（list），Matplotlib均能良好支持。

画布创建与数据准备

第二步是创建画布。


import matplotlib.pyplot as plt
#figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True)
 
#num:图像编号或名称，数字为编号 ，字符串为名称
#figsize:指定figure的宽和高，单位为英寸；
#dpi参数指定绘图对象的分辨率，即每英寸多少个像素，缺省值为80 ,1英寸等于2.5cm,A4纸是 21*30cm的纸张 
#facecolor:背景颜色
#edgecolor:边框颜色
#frameon:是否显示边
 
fig = plt.figure()
fig = plt.figure(figsize=(8,6), dpi=80) 
 
fig.add_axes()
fig, axes = plt.subplos(nrows = 2, ncols = 2) #axes是长度为4的列表

绘图类型与定制细节

第三步涉及具体的绘图路线选择。

对于一维数据，通常使用折线图等基础图形进行展示。


axes[0, 0].plot(x, y)
axes[0,1].bar([1,2,3], [2,4,8])
axes[0,2].barh([1,2,3], [2,4,8])
axes[1,0].axhline(0.45)
axes[1, 1].scatter(x, y)
axes[1,2].axvline(0.65)
axes[2,0].fill(x,y, color = 'blue')
axes[2,1].fill_between(x,y, color = 'blue')
axes[2,2].violinplot(y)
axes[0,3].arrow(0,0,0.5,0.5)
axes[1,3].quiver(x,y)

第四步为图表定制，包括调整坐标轴、添加标题、标签及注释等。


plt.plot(x,y, alpha=0.4, c = 'blue', maker = 'o')
#颜色，标记，透明度
 
# 显示数学文本
 
t = np.arange(0.0, 2.0, 0.01)
s = np.sin(2*np.pi*t)
 
plt.plot(t,s)
plt.title(r'$\alpha_i > \beta_i$', fontsize=20)
plt.text(1, -0.6, r'$\sum_{i=0}^\infty x_i$', fontsize=20)
plt.text(0.6, 0.6, r'$\mathcal{A}\mathrm{sin}(2 \omega t)$',
     fontsize=20)
plt.xlabel('time (s)')
plt.ylabel('volts (mV)')
 
fig = plt.figure()
fig.suptitle('bold figure suptitle', fontsize=14, fontweight='bold')
 
ax = fig.add_subplot(111)
fig.subplots_adjust(top=0.85)
ax.set_title('axes title')
 
ax.set_xlabel('xlabel')
ax.set_ylabel('ylabel')
 
ax.text(3, 8, 'boxed italics text in data coords', style='italic',
    bbox={'facecolor':'red', 'alpha':0.5, 'pad':10})
 
ax.text(2, 6, r'an equation: $E=mc^2$', fontsize=15)
 
ax.text(3, 2, u'unicode: Institut f\374r Festk\366rperphysik')
 
ax.text(0.95, 0.01, 'colored text in axes coords',
    verticalalignment='bottom', horizontalalignment='right',
    transform=ax.transAxes,
    color='green', fontsize=15)
 
 
ax.plot([2], [1], 'o')
 
 
# 注释
ax.annotate('我是注释啦', xy=(2, 1), xytext=(3, 4),color='r',size=15,
      arrowprops=dict(facecolor='g', shrink=0.05))
 
ax.axis([0, 10, 0, 10])

第五步涉及图像的保存与显示操作。


plt.savefig("1.png")
plt.savefig("1.png", trainsparent =True)
plt.show()

Subplot核心函数解析

二、核心函数使用详解

1. fig.add_subplot(numrows, numcols, fignum)：该函数接受三个参数，分别代表子图的行数、列数以及当前子图的索引号。例如：ax = fig.add_subplot(2, 3, 1) 或简写为 ax = fig.add_subplot(231)。

2. plt.subplots()函数的使用方式。


x = np.linspace(0, 2*np.pi,400)
y = np.sin(x**2)
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')
 
# Creates two subplots and unpacks the output array immediately 
#fig = plt.figure(figsize=(6,6))
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)
 
# Creates four polar axes, and accesses them through the returned array
fig, axes = plt.subplots(2, 2, subplot_kw=dict(polar=True))
axes[0, 0].plot(x, y)
axes[1, 1].scatter(x, y)
 
# Share a X axis with each column of subplots
plt.subplots(2, 2, sharex='col')
 
# Share a Y axis with each row of subplots
plt.subplots(2, 2, sharey='row')
 
# Share both X and Y axes with all subplots
plt.subplots(2, 2, sharex='all', sharey='all')
 
# Note that this is the same as
plt.subplots(2, 2, sharex=True, sharey=True)
 
# Creates figure number 10 with a single subplot
# and clears it if it already exists.
fig, ax=plt.subplots(num=10, clear=True)

3. plt.legend()用于添加图例。


plt.legend(loc='String or Number', bbox_to_anchor=(num1, num2))
plt.legend(loc='upper center', bbox_to_anchor (0.6,0.95),ncol=3,fancybox=True,shadow=True)
#bbox_to_anchor被赋予的二元组中，第一个数值用于控制legend的左右移动，值越大越向右边移动，第二个数值用于控制legend的上下移动，值越大，越向上移动