推荐订阅源

首先我们要理解plt, figure和ax三者的关系。

plt是Matplotlib.pyplot的简称，内部的各种API可以理解成是plt作者给用户准备的懒人包，自动定义一个初始绘图环境，开箱即用。缺点是不够灵活。

而figure可以理解成一个桌面，而每个axes就是桌面上的一张张纸或画布。如下图所示，两者是互相包含的关系。而我们最终的图是画在一张张axes上的。一个figure可以包含多张axes。通过分别定义figure和axes，我们可以更精准地控制每张图的参数，画出更复杂、美丽的组图

因此，当熟悉以上概念，下面来分不同场景或需求，介绍下建议使用的API

1. 如果你只是做简单的可视化，画出的图甚至不需要保存，仅仅看一眼，也不关心后续的扩展，使用plt足矣。它等于直接帮你弄来了一个用一张白纸铺满的桌子，直接就可以上手画图。定义一批数据，使用plt.plot()函数绘制曲线，效果如下。

import numpy as np
import matplotlib.pyplot as plt
x = range(-100,100)
y = [i*i for i in x]
plt.plot(x,y)

3. 如果你需要对绘制的图有精准的控制，那么就需要将figure和axes分开定义了，如plt.subplots().代码中分别定义了四个变量：ax11,ax12,ax21,ax22代表四个axes，并分别Plot。这里需要清楚的一点是，plt类中包含的大部分绘图函数，在axes类中也有，例如plt.plot()与ax.plot(), plt.scatter()与ax.scatter()。plt.tight_layout()语句往往用于多axes排版有误的情况（Adjust the padding between and around subplots.）

import numpy as np
import matplotlib.pyplot as plt
x = range(-100,100)
y = [i*i for i in x]
fig,((ax11,ax12),(ax21,ax22)) = plt.subplots(2,2)
ax11.plot(x,y)
ax12.plot(x,y)
ax21.plot(x,y)
ax22.plot(x,y)
plt.tight_layout()

4. 但是按第三条的做法，当我们需要排版大量的子图(axes)时，由于每个子图都要分别定义、调用，工作量会十分冗余。此时比较灵活的是使用add_subplot()。且这种方式可以明确的定义每一步的行为，且可以套用循环，清晰明了。因此在日常工作中，我也常常会采用这种绘图方式。即使仅需要绘制一张图，也可以用add_subplot(1,1,1)来定义，为后续扩展留下空间。

import numpy as np
import matplotlib.pyplot as plt
x = range(-100,100)
y = [i*i for i in x]
fig = plt.figure() #定义figure，后面的axes都是在这张figure上绘制
for i in range(8):
    ax = fig.add_subplot(4,2,i+1) #这里的4，2是固定值，i+1是因为Python默认从0开始数数
    ax.plot(x,y)
plt.tight_layout()