Matplotlib 两个子图显示

来分析怎么样实现两个子图显示的功能。Matplotlib 嵌套子图显示是实现一个子图的功能，不知道你学会了没有，如果没有，赶紧看前文，这样比较地看才会更加深刻，更加容易懂。

好吧，先来看本文实现的结果，如下图：

在这里使用绘图的数据，还是像前文一样，使用正态分布生成的数据，同样的一份数据，在三个图里实现绘制。绿色的是第一个子图，蓝色的是第二个子图，红色的是主图。三个图形使用的数据是一样的，所以绘制起的曲线形状是一样的。当然，一般来说使用嵌套子图，往往是实现不同角度，不同的分析方法来进行对比，或者细节数据的呈现。

fig = plt.figure() #创建子图

这行代码是实现创建一个窗口的画布。

x = np.linspace(1, 100, 100)

y = np.random.normal(75.0, 15.0, 100)

这两行代码与前面一样，采用正态分布来产生数据，不过这里产生了100个数据点。

ax1 = fig.add_axes([0.1,0.1,0.8,0.8])

ax1.plot(x,y,'r')

ax1.set_xlabel("x")

ax1.set_ylabel("y")

ax1.set_title('title main')

这段代码是实现主图的绘制，add_axes（）函数定义了主图在整个画布里位置，离左边10%，离上部10%，离下边和右边都是20%的位置。然后调用函数plot进行画曲线，颜色为红色。set_xlabel("x")是设置X轴的标记，set_ylabel("y")是设置Y轴的标记，set_title(‘title main’)是设置标题显示。

接着下来就是绘第一个子图：

#子图1

ax2 = fig.add_axes([0.2,0.6,0.25,0.25])

ax2.plot(x,y,'g')

ax2.set_xlabel('x')

ax2.set_ylabel('y')

ax2.set_title('title inside1')

第一行代码add_axes()方法通过相对位置增加子图，接着调用plot(x,y,’g’)来绘子图，其它是设置子图的X轴和Y轴的标记，以及子图的标题。

最后来绘制第二个子图，这个要特别注意了，因为它的实现方式有点不一样。

#子图2

plt.axes([0.6,0.2,0.25,0.25])

plt.plot(x, y, ls = '-', lw = 2, color = 'b')

plt.xlabel('x')

plt.ylabel('y')

plt.title('title inside2')

这里通过调用plt.axes([0.6,0.2,0.25,0.25])来增加一个子图，然后调用plt.plot(x, y, ls = ‘-‘, lw = 2, color = ‘b’)来绘曲线，其它子图的X轴和Y轴的标记，以及子图的标题。

总结一下，这里最不一样的地方，是绘制第二个子图的方式，并不是使用第一个子图相同的代码，这样理解起来就有点困难了，不过只要学习过一遍，就不会搞错它了。

整个例子的代码如下：

import numpy as np
import matplotlib.pyplot as plt

#
fig = plt.figure()  #创建子图
#
x = np.linspace(1, 100, 100)
y = np.random.normal(75.0, 15.0, 100)

#主图
ax1 = fig.add_axes([0.1,0.1,0.8,0.8])
ax1.plot(x,y,'r')
ax1.set_xlabel("x")
ax1.set_ylabel("y")
ax1.set_title('title main')

#子图1
ax2 = fig.add_axes([0.2,0.6,0.25,0.25])
ax2.plot(x,y,'g')
ax2.set_xlabel('x')
ax2.set_ylabel('y')
ax2.set_title('title inside1')

#子图2
plt.axes([0.6,0.2,0.25,0.25])
plt.plot(x, y, ls = '-', lw = 2, color = 'b')
plt.xlabel('x')
plt.ylabel('y')
plt.title('title inside2')

plt.show()