fig = plt.figure('多图', (10, 10), dpi=80) #第一个指定窗口名称，第二个指定图片大小，创建一个figure对象 plt.subplot(222) #2*2的第二个 plt.axis([0, 6, 0, 20]) #指定坐标轴范围 t = np.arange(0, 5, 0.2) plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') #可以连着写多个 plt.subplot(221) #2*2第一个，这句下面直接写绘图语句和设置语句 x = np.arange(-10, 10, 0.01) y = np.exp(-x)*np.cos(2*np.pi*x) plt.plot(x, y, 'r') plt.xlim([-10, 10]) plt.show() fig.savefig('linshi.png') #保存figure
2
源自 matplotlib subplot 子图 - Claroja - CSDN博客 http://blog.csdn.net/claroja/article/details/70841382
如果不指定figure()的axes，figure(1)命令默认会被建立，同样的如果不指定subplot(numrows, numcols, fignum)的轴axes，subplot(111)也会自动建立。这里，要注意一个概念当前图和当前坐标。所有绘图操作仅对当前图和当前坐标有效
当前的图表和子图可以使用plt.gcf()和plt.gca()获得，分别表示"Get Current Figure"和"Get Current Axes"。plt.sca (ax1)可以使ax1成为当前axes对象
plt.figure('第一个') # 创建第一个画板（figure） plt.subplot(211) # 第一个画板的第一个子图 plt.plot([1, 2, 3], [1, 2, 3]) plt.subplot(212) # 第一个画板的第二个子图 plt.plot([4, 5, 6], [1, 2, 3]) plt.figure('第二个') # 创建第二个画板 plt.plot([4, 5, 6], [1, 2, 3]) # 默认子图命令是spbplot（111） plt.figure('第一个') # 如果想对画板1操作，需调取画板1，此时调用中的子图是subplot(212) plt.subplot(211) # 将调用中的子图变为subplot（211） plt.title('Easy as 1, 2, 3') plt.show()
要想重新设置，必须重新调用
3
源自 matplotlib subplot 子图 - Claroja - CSDN博客 http://blog.csdn.net/claroja/article/details/70841382
subplot()是将整个figure均等分割，而axes()则可以在figure上画图。
"""axes的使用""" import matplotlib.pyplot as plt import numpy as np # 创建数据 dt = 0.001 t = np.arange(0.0, 10.0, dt) r = np.exp(-t[:1000]/0.05) # impulse response x = np.random.randn(len(t)) # 从标准正太分布中返回len(t)个随机数 s = np.convolve(x, r)[:len(x)] * dt # colored noise # 默认主轴图axes是subplot(111) plt.plot(t, s) plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)]) plt.xlabel('time(s)') plt.ylabel('current(nA)') plt.title('Gaussian colored noise') # 内嵌图 a = plt.axes([.65, .6, .2, .2], facecolor='y') # Add an axes to the figure，第一个参数是指定axes的位置和高度，[距左距离，距底距离，宽，高]，都是0-1之间，按比例表示 n, bins, patches = plt.hist(s, 400, normed=1) plt.title('probability') plt.xticks([]) # 不显示坐标轴标签 plt.yticks([]) # 另外一个内嵌图 b = plt.axes([0.2, 0.6, .2, .2], facecolor='y') plt.plot(t[:len(r)], r) plt.title('Impulse response') plt.xlim(0, 0.2) plt.xticks([]) plt.yticks([]) plt.show()
可以通过clf()清空当前的图板（figure），通过cla()来清理当前的轴（axes）。你需要特别注意的是记得使用close()关闭当前figure画板
