一、子图
1.plt.subplots() 绘制均匀状态下的子图
（1）核心参数
| 参数 | 作用 |
|---|---|
nrows, ncols |
子图的行数、列数（第一个数为行，第二个为列） |
figsize |
整个画布的大小，格式为 (宽, 高)，单位英寸 |
sharex/sharey |
是否共享横 / 纵轴刻度，True 表示所有子图共用一套刻度 |
tight_layout() |
自动调整子图间距，避免标题、坐标轴标签重叠 |
（2）示例代码
# 1. 创建2行5列的画布，指定大小，共享xy轴
fig, axs = plt.subplots(2, 5, figsize=(10, 4), sharex=True, sharey=True)
# 2. 给整个画布加总标题，字号20
fig.suptitle('样例1', size=20)
# 3. 双层循环遍历每个子图（i行j列）
for i in range(2):
for j in range(5):
# 4. 在当前子图绘制散点图，用随机数生成数据
axs[i][j].scatter(np.random.randn(10), np.random.randn(10))
# 5. 给每个子图加标题，标注行号列号
axs[i][j].set_title('第%d行，第%d列'%(i+1,j+1))
# 6. 统一设置xy轴范围，保证所有子图刻度一致
axs[i][j].set_xlim(-5,5)
axs[i][j].set_ylim(-5,5)
# 7. 仅给最后一行加x轴标签，仅给第一列加y轴标签，避免重复
if i==1: axs[i][j].set_xlabel('横坐标')
if j==0: axs[i][j].set_ylabel('纵坐标')
# 8. 自动调整子图布局，防止文字重叠
fig.tight_layout()效果：生成 2 行 ×5 列 共 10 个完全均匀的散点子图，所有子图共享 xy 轴，仅最后一行显示 x 轴标签、第一列显示 y 轴标签，布局整齐，无文字重叠。
2.极坐标子图 projection='polar'
除了常规直角坐标系，Matplotlib 支持通过 projection='polar' 创建极坐标图表：
示例代码
import numpy as np
import matplotlib.pyplot as plt
N = 150
# 生成半径r（0~2）
r = 2 * np.random.rand(N)
# 生成角度theta（0~2π）
theta = 2 * np.pi * np.random.rand(N)
# 点的面积与半径平方成正比，越远的点越大
area = 200 * r**2
# 用角度作为颜色映射的依据
colors = theta
# 创建极坐标子图
fig, ax = plt.subplots(subplot_kw={'projection': 'polar'}, figsize=(8, 8))
# 绘制极坐标散点图，用hsv色盘，设置透明度0.75
scatter = plt.scatter(theta, r,c=colors,s=area,cmap='hsv',alpha=0.75)
plt.show()效果：生成极坐标散点图，点的大小随半径增大而变大，颜色随角度变化，常用于方向、角度相关的数据可视化。
3.使用GridSpec 绘制非均匀子图
（1）作用
GridSpec 可以实现非均匀子图布局，包含两种场景：
- 子图大小不同，但不跨行 / 跨列
- 子图跨行 / 跨列，实现合并效果
- 核心参数：
width_ratios（列宽比例）、height_ratios（行高比例），通过切片spec[i,j]实现子图合并
（2）示例
（a）非均匀大小（不跨行 / 列）
# 1. 创建画布
fig = plt.figure(figsize=(10, 4))
# 2. 创建2行5列的网格，指定列宽比例[1,2,3,4,5]，行高比例[1,3]
spec = fig.add_gridspec(nrows=2, ncols=5, width_ratios=[1,2,3,4,5], height_ratios=[1,3])
fig.suptitle('样例2', size=20)
for i in range(2):
for j in range(5):
# 3. 按网格位置添加子图
ax = fig.add_subplot(spec[i, j])
ax.scatter(np.random.randn(10), np.random.randn(10))
ax.set_title('第%d行，第%d列'%(i+1,j+1))
# 4. 仅最后一行加x轴标签，第一列加y轴标签
if i==1: ax.set_xlabel('横坐标')
if j==0: ax.set_ylabel('纵坐标')
fig.tight_layout()效果：生成 2 行 5 列子图，列宽从左到右按 1:2:3:4:5 递增，行高按 1:3（第二行更高），子图大小完全自定义，不改变行列结构。
（b）跨行 / 跨列合并子图
# 1. 创建2行6列的网格，自定义列宽、行高比例
fig = plt.figure(figsize=(10, 4))
spec = fig.add_gridspec(nrows=2, ncols=6, width_ratios=[2,2.5,3,1,1.5,2], height_ratios=[1,2])
fig.suptitle('样例3', size=20)
# sub1：第0行，前3列（:3），合并成一个宽子图
ax = fig.add_subplot(spec[0, :3])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub2：第0行，第3-4列（3:5），合并成一个中等宽度子图
ax = fig.add_subplot(spec[0, 3:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub3：第5列，所有行（:,5），合并成一个高子图
ax = fig.add_subplot(spec[:, 5])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub4：第1行，第0列，单独子图
ax = fig.add_subplot(spec[1, 0])
ax.scatter(np.random.randn(10), np.random.randn(10))
# sub5：第1行，第1-4列（1:5），合并成一个大宽子图
ax = fig.add_subplot(spec[1, 1:5])
ax.scatter(np.random.randn(10), np.random.randn(10))
fig.tight_layout()效果:通过切片语法 spec[行范围, 列范围] 实现子图合并，比如 spec[0, :3] 表示第 0 行、前 3 列合并，最终生成完全自定义的非均匀布局，满足复杂可视化需求。
tight_layout()必加：只要有多个子图，一定要调用这个方法，避免标题、标签重叠。- 共享轴刻度 ：当子图数据范围一致时，用
sharex=True/sharey=True统一刻度，提升可读性。- 切片语法 ：
GridSpec的切片和 Python 列表切片完全一致，start:end左闭右开，:表示全部。- 比例设置 ：
width_ratios/height_ratios是相对比例，不是绝对像素，画布缩放时比例保持不变。
特性 plt.subplots()GridSpec布局灵活性 仅支持均匀网格 支持非均匀大小、跨行 / 跨列，完全自定义 适用场景 简单、规则的子图布局 复杂、非规则的子图布局 代码复杂度 简单，适合新手 稍复杂，适合进阶需求 核心优势 快速生成，代码简洁 布局高度灵活，适配复杂可视化
二.子图上的方法
1.Axes 与 plt 的关系
- plt（pyplot）：类似 MATLAB 的接口，操作全局画布，适合快速出图。
- ax（Axes 对象） ：具体的子图对象，推荐在 Jupyter/DSW 中优先使用 ax，能精准控制单个子图，避免全局混乱。
- 通用逻辑 ：ax 上的方法和 plt 完全同名，只是调用方式从
plt.xxx()变成了ax.xxx()。
2.基础绘图方法（ax 上的各类图表）
| 方法 | 作用 | 代码示例 | 关键参数说明 |
|---|---|---|---|
| plot | 绘制折线 / 曲线 | ax.plot([1,2], [2,1]) |
传入 x、y 数据列表 |
| hist | 绘制直方图 | ax.hist(np.random.randn(1000)) |
输入数据数组，自动分箱统计 |
| scatter | 散点图 | 见前文 | x, y 坐标，点的大小 (s)、颜色 (c) |
| bar/barh | 柱状图 / 水平柱状图 | ax.bar(x, height) |
x 轴位置，柱高，宽度 |
| pie | 饼图 | ax.pie(values) |
数值列表，标签 labels |
3.辅助线与网格（精修图表）
（1）绘制辅助线
| 方法 | 类型 | 代码示例 | 含义 |
|---|---|---|---|
| axhline | 水平辅助线 | ax.axhline(y=0.5, xmin=0.2, xmax=0.8) |
在 y=0.5 处画一条水平线，范围 xmin 到 xmax |
| axvline | 垂直辅助线 | ax.axvline(x=0.5, ymin=0.2, ymax=0.8) |
在 x=0.5 处画一条垂直线 |
| axline | 任意直线 | axline([0,0],[1,1]) |
绘制穿过 (0,0) 和 (1,1) 的直线 |
（2）添加网格
ax.grid(True) # 显示灰色网格- 进阶参数：
axis='x'只显示 x 轴网格，linestyle='--'修改虚线样式。
4.轴与标题的设置（规范坐标）
利用 ax 对象可以精准控制坐标轴的刻度、范围和名称：
ax.set_xscale('log') # 设置x轴为对数坐标（普通坐标为linear）
ax.set_title('子标题1') # 设置子图标题
ax.set_xlabel('对数坐标') # 设置x轴标签
ax.set_ylabel('普通坐标') # 设置y轴标签效果对比
- 左图 ：x 轴采用对数刻度（
10^0, 10^1, 10^2...），数据增长呈指数级展示。 - 右图：x 轴采用普通线性刻度，数据呈直线增长。
5.注释与标注
除了基础绘图，ax 支持添加丰富的文本和箭头注释：
（1）绘制箭头
ax.arrow(x=0, y=0, dx=1, dy=1, head_width=0.03, facecolor='red')dx/dy：箭头的长度和方向。head_width/head_length：箭头头部的大小。
（2）添加普通文字
ax.text(x=0, y=0, s='这是一段文字', color='green', rotation=70)rotation：文字旋转角度。
（3）带箭头的注释（最常用）
ax.annotate('这是中点',
xy=(0.5, 0.5), # 箭头指向的位置
xytext=(0.8, 0.2),# 文字位置
arrowprops=dict(facecolor='yellow', edgecolor='black')) # 箭头样式6.图例与位置控制（legend）
（1）基础用法
先在绘图时指定 label，再通过 ax.legend() 显示：
ax.plot([1,2], [2,1], label="line1")
ax.plot([1,1], [1,2], label="line2")
ax.legend(loc=1)（2）loc 参数对照表
| string | code | 位置说明 |
|---|---|---|
best |
0 |
最佳位置（自动避开数据重叠） |
upper right |
1 |
右上角（默认位置） |
upper left |
2 |
左上角 |
lower left |
3 |
左下角 |
lower right |
4 |
右下角 |
right |
5 |
右侧（垂直居中） |
center left |
6 |
左侧居中 |
center right |
7 |
右侧居中 |
lower center |
8 |
底部居中 |
upper center |
9 |
顶部居中 |
center |
10 |
正中心 |