python里面的matplotlib.pylot是大家比较常用的，功能也还不错的一个包。基本框架比较简单，但是做一个功能完善且比较好看整洁的图，免不了要网上查找一些函数。于是，为了节省时间，可以一劳永逸。我把常用函数作了一个总结，最后写了一个例子，以后基本不用怎么改了。

一、作图流程：

1.准备数据， ， 3作图， 4定制， 5保存， 6显示

1.数据可以是numpy数组，也可以是list

2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

3、作图路线

一维数据：

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)

4, 定制

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])

5, 保存显示

plt.savefig("1.png")

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

plt.show()

二、部分函数使用详解：

1, fig.add_subplot(numrows, numcols, fignum) ####三个参数，分别代表子图的行数，列数，图索引号。 eg: ax = fig.add_subplot(2, 3, 1) (or ,ax = fig.add_subplot(231))

2, plt.subplots()使用

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()

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

以上这篇python matplotlib中的subplot函数使用详解就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持python博客。