本文介绍如何用matplotlib绘制多个子图，并介绍控制它们布局的方法。按照其布局方式，分为均一排布，规整排布和跨行列排布三种。
一.均一排布plt.subplots()
均一排布的含义
：所有子图的大小相同，规整的按行列排布在画布上。
强调
：subplots()是plt类下属的方法。
1.subplots()控制布局
subplot函数及其重要参数：
plt.subplots(row_number, column_number, figsize=(width, height), sharex=True, sharey=True)
row_number, column_number
:一共生成多少行，多少列的子图（axes）。
figsize=(width, height)
：指定整个画布的大小。
这两个参数综合起来理解就是：创建一个大小为figsize的画布，并把画布按row_number, column_number划分成均一的子图框格，框格里可以添加子图（axes）。
sharex=True , sharey=True
：是否共享横轴和纵轴刻度。
下图是一个共享x轴刻度，但是不共享y轴刻度是示例。前两行的x轴刻度因为相同，所以隐藏了。（x轴，y轴刻度的设置见第3个小标题）
返回值
：plt.subplots（）返回 类似的 [ [figure], [axes1, axes2…] ]类似的东西，需要用两个变量解包接受。读者可以自行打印返回结果验证一下。
从返回值的类型我们需要知道
：plt.subplots()不仅创建了figure，把布局规划好，且且为我们在每个子图框中创建了axes。关于解包，请参考这篇博客：
https://editor.csdn.net/md/?articleId=111387910
2.suptitle() 添加画布的标题
fig.suptitle('引号里添加标题', size=number)
3.用axes类及其方法绘制子图
选定一个子图框
若axs为创建的axes变量名，使用
axs[i][j]
选中第i+1行j+1列的子图框。
绘图方法
axes类定义了和plt类似的绘图方法：
.plot
,
.hist()
,
.scatter()
, .
bar()
,
barh.()
,
pie.()
等，直接使用即可。
子图标题，坐标头与坐标轴范围
- 标题：axs[0][0].set_titile(‘引号里输入子图标题’)
- 坐标头：axs[0][0].set_xlabel(‘横坐标头’) ， axs[0][0].set_ylable(‘纵坐标头’)
- 坐标轴范围：axs[0][0].set_xlim(min,max) , axs[0][0].set_ylim(min,max)
4.示例
import matplotlib.pyplot as plt
import numpy as np
#把画布分为三行五列，并设置figure标题
fig,axs=plt.subplots(3,3,figsize=(15,15),sharex=True,sharey=False)
fig.suptitle('use .suptitle() to add a figure title')
#选中第三行第三个画出散点图
axs[2][2].scatter(np.random.randn(10),np.random.randn(10))
axs[2][2].set_title('scatter')
axs[2][2].set_xlabel('x label')
axs[2][2].set_ylabel('y label')
axs[2][2].set_xlim(-5,8)
#用for循环在第一二行的所有子图框中作图
for i in range(2):
for j in range(3):
axs[i][j].plot([2,4,8],range(3))
plt.show()
运行结果为：
二.规整排布add_gridspec
所谓规整排布，是笔者自己的叫法，意思是所有子图按行列排布，没有出现跨行或跨列的情况，但是大小不一样。
强调
：add_gridspec()是figure类下属的方法。
所以我们需要先用plt.figure()创建一个figure。
1.add_gridspec()重要参数
spec = fig.add_gridspec(nrows=number, ncols=5, width_ratios=[1,2,3,4,5], height_ratios=[1,3])
nrows=2, ncols=5
: 与subplots()类似，把figure分成2行五列的子图框。
width_ratios=[1,2,3,4,5]
：宽度比例。列表里的元素数应当与列数相同，代表各列的宽度比例。例如，ncols=5，那么list中应当有5个元素。
height_ratios=[1,3])
：高度比例。列表里的元素数应当与行数相等，代表各行的高度比例。例如nrows=2，那么列表里应该有两个元素。
返回值
：建议理解为无返回值。fig.add_gridspec()只是为figure划分了布局，并没有为我们创建axes，所以我们需要自己在子图框中创建axes。
2.绘制规整排布的子图
fig.add_gridspec()
为我们把figure按行列划分成了子图框，所以我们可以用行列号选中子图框。假设我们用spec变量接受了
fig.add_gridspec()
的结果，那么我们可以用
spec[i][i]
来选中第i+1行j+1列的子图框。（注意与plt.subplots()比较，均一图选中的是axes，而规整图仅仅选中了子图框）。
为了绘制子图，我们需要使用
fig.add_subplot()
方法，并使用
spec[i][i]
作为参数选中第i+1行j+1列的子图框。
见代码：
import matplotlib.pyplot as plt
import numpy as np
fig=plt.figure(figsize=(14,7))
spec=fig.add_gridspec(nrows=2,ncols=5,width_ratios=[1,5,3,2,3],height_ratios=[1,3])
#在第二行第五列的子图框绘制子图
ax=fig.add_subplot(spec[1,4])
ax.scatter(np.random.rand(15),np.random.rand(15))
#用for循环为前三列绘制子图
for i in range(2):
for j in range(3):
ax=fig.add_subplot(spec[i,j])
ax.plot(range(5),[7,9,10,12,15])
plt.show()
运行结果如下：
三.跨行列子图布局
跨行列子图的figure划分方法一样，都是调用
fig.add_gridspec()
。想要实现跨行列的布局，在选中子图框时切片即可。例如：spec[:1,1:2]时选中第一二行的二三列。见示例：
import matplotlib.pyplot as plt
import numpy as np
fig=plt.figure(figsize=(14,7))
spec=fig.add_gridspec(nrows=3,ncols=5,width_ratios=[1,5,3,2,3],height_ratios=[1,3,2])
#绘制跨行列的子图，把一二行的二三列连成一块
ax=fig.add_subplot(spec[:2,1:3]) #选中了一二行和二三列
ax.scatter(np.random.rand(15),np.random.rand(15))
plt.show()
选中了第一二行和二三列（共三行五列），运行结果如下：
