极客笔记如何使用matplotlib和Python在同一图中绘制多个图？
在数据可视化中，常常需要将多个图形放在同一个画布中，以便更好地展示数据。本文将介绍如何使用Python中的matplotlib库实现在同一个画布中绘制多个图形。
准备工作
在使用matplotlib前，需要先安装它。可以通过以下命令来安装matplotlib：
pip install matplotlib
安装完成后，导入matplotlib：
import matplotlib.pyplot as plt
绘制多个子图
将多个子图绘制在同一画布中，需要使用subplots()函数。该函数返回一个元组，第一个元素为画布对象，第二个元素为子图对象。
fig, ax = plt.subplots()
其中，fig表示画布对象，ax表示子图对象。如果需要绘制多个子图，则可以通过以下代码创建具有多个子图的画布：
fig, axs = plt.subplots(2, 2)
以上代码将创建一个2×2的画布，该画布中包含四个子图。
绘制子图的方法与绘制单个图形相同。在子图中绘制折线图的示例代码：
ax.plot(x, y)
其中，ax表示子图对象，x和y是数据序列。
以下为在同一个画布中创建多个子图并绘制折线图的示例代码：
import matplotlib.pyplot as plt
import numpy as np
fig, axs = plt.subplots(2, 2)
x1 = np.linspace(0, 10, 100)
y1 = np.sin(x1)
x2 = np.linspace(0, 5, 50)
y2 = np.cos(x2)
axs[0, 0].plot(x1, y1)
axs[0, 0].set_title('Sine function')
axs[1, 1].plot(x2, y2)
axs[1, 1].set_title('Cosine function')
plt.show()
以上代码将创建一个2×2的画布，画布中左上角子图绘制正弦函数，右下角子图绘制余弦函数。调用plt.show()函数将画布显示出来。
自定义子图间距
可以使用subplots_adjust()函数来自定义子图之间的间距。该函数可以调整子图之间的上、下、左、右间距。
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)
其中，wspace和hspace参数分别表示水平间距和垂直间距。默认值为0.2。以下为自定义子图间距的示例代码：
import matplotlib.pyplot as plt
import numpy as np
fig, axs = plt.subplots(2, 2)
fig.subplots_adjust(wspace=0.4, hspace=0.4)
x1 = np.linspace(0, 10, 100)
y1 = np.sin(x1)
x2 = np.linspace(0, 5, 50)
y2 = np.cos(x2)
axs[0, 0].plot(x1, y1)
axs[0, 0].set_title('Sine function')
axs[1, 1].plot(x2, y2)
axs[1, 1].set_title('Cosine function')
plt.show()
以上代码将调整子图之间的间距为0.4，然后绘制两个折线图。
自定义子图大小
可以使用figsize参数来自定义子图的大小。
fig, ax = plt.subplots(figsize=(6, 4))
以上代码将创建一个高为6英寸，宽为4英寸的子图对象。
以下为自定义子图大小的示例代码：
import matplotlib.pyplot as plt
import numpy as np
fig, axs = plt.subplots(2, 2, figsize=(8, 8))
x1 = np.linspace(0, 10, 100)
y1 = np.sin(x1)
x2 = np.linspace(0, 5, 50)
y2 = np.cos(x2)
axs[0, 0].plot(x1, y1)
axs[0, 0].set_title('Sine function')
axs[0, 0].set_xlabel('X axis')
axs[0, 0].set_ylabel('Y axis')
axs[1, 1].plot(x2, y2)
axs[1, 1].set_title('Cosine function')
axs[1, 1].set_xlabel('X axis')
axs[1, 1].set_ylabel('Y axis')
plt.show()
以上代码将创建一个8×8英寸的画布，然后将两个子图的大小设置为相同的大小，并设置了各自的坐标轴标签。
合并子图
如果需要将多个子图合并成一个子图，可以使用GridSpec类来实现。
from matplotlib.gridspec import GridSpec
fig = plt.figure()
gs = GridSpec(2, 3, figure=fig)
ax1 = fig.add_subplot(gs[0, :])
ax1.plot(x1, y1)
ax2 = fig.add_subplot(gs[1, :-1])
ax2.plot(x2, y2)
ax3 = fig.add_subplot(gs[1:, -1])
ax3.plot(x1, -y1)
plt.show()
以上代码将创建一个2×3的网格，将其中几个格子合并成一个子图。
结论
本文介绍了如何使用matplotlib和Python在同一图形中绘制多个子图，并提供了示例代码。其中，我们使用了subplots()函数来创建多个子图对象，使用subplots_adjust()函数来自定义子图间距，使用figsize参数来自定义子图大小，使用GridSpec类来合并子图。通过使用以上方法，您可以更好地展示多个数据之间的关系和趋势。