Matplotlib中plt.subplots()和plt.figure()的区别

Matplotlib是Python中经典的可视化库，在数据分析和科学计算中得到了广泛应用。在Matplotlib中，常用的绘制图像的函数是plt.subplots()和plt.figure()，但是两者在实际使用中有何区别呢？本文将从以下几个方面来详细讲解这个问题。

阅读更多：Matplotlib 教程

plt.subplots()和plt.figure()的基本概念

首先，我们来看一下plt.subplots()和plt.figure()各自的基本概念。

plt.subplots()函数

plt.subplots()函数是Matplotlib中用于创建并排或垂直排列的多个子图的函数，它的基本用法如下：

fig, axs = plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False)

其中，nrows和ncols参数分别表示子图的行数和列数，sharex和sharey参数则表示是否共享x轴和y轴。函数返回一个Figure对象和Axes对象的数组，我们可以通过数组下标来选择对应的子图。

plt.figure()函数

相比之下，plt.figure()函数是Matplotlib中创建新绘图对象的函数，它实现的功能与plt.subplots()类似，但是只能创建一个画布对象，而不能指定子图的数量和排列方式。plt.figure()的基本用法如下：

fig = plt.figure(figsize=(6, 4))
ax = fig.add_subplot(111)

其中，figsize参数表示画布的大小，add_subplot()函数则表示向画布中添加子图。这里的111表示只添加一张子图，也可以指定其他的数字。

plt.subplots()和plt.figure()的区别

接下来，我们来具体分析一下plt.subplots()和plt.figure()的区别。

数量和排列方式的不同

在创建图像时，plt.subplots()函数可以指定任意数量的子图和排列方式，比如可以先创建6张子图再按照需要排列，也可以直接按照4×3的矩阵排列，灵活性很高。而plt.figure()函数则只能创建一个画布对象和一个子图，排列方式也固定。

对象引用的不同

plt.subplots()函数返回一个子图数组，我们可以方便地通过引用数组中的子图对象来访问或修改子图属性。而plt.figure()函数只返回一个画布对象，如果需要修改子图属性，则需要通过画布对象的方法来获取或修改子图属性。

plt.subplots()函数的使用场景

plt.subplots()函数特别适合用于创建并排或垂直排列的图像，比如用于显示不同的时间序列数据或多个变量之间的比较等。在下面的示例中，我们使用plt.subplots函数来创建并排或垂直排列的多个子图：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个图像，包含2行3列子图
fig, axs = plt.subplots(nrows=2, ncols=3, figsize=(12, 8))

# 在第一行第一列的子图中绘制sin曲线
x = np.linspace(-1, 1, 100)
y = np.sin(10 * x)
axs[0, 0].plot(x, y)

# 在第一行第二列的子图中绘制cos曲线
y = np.cos(10 * x)
axs[0, 1].plot(x, y)

# 在第一行第三列的子图中绘制tan曲线
y = np.tan(10 * x)
axs[0, 2].plot(x, y)

# 在第二行第一列的子图中绘制cot曲线
y = 1.0 / np.tan(10 * x)
axs[1, 0].plot(x, y)

# 在第二行第二列的子图中绘制cosec曲线
y =1.0 / np.sin(10 * x)
axs[1, 1].plot(x, y)

# 在第二行第三列的子图中绘制sec曲线
y = 1.0 / np.cos(10 * x)
axs[1, 2].plot(x, y)

# 显示图像
plt.show()

plt.figure()函数的使用场景

plt.figure()函数适合用于创建单张图像，比如某个变量的分布直方图或关系散点图等。在下面的示例中，我们使用plt.figure函数来创建单张图像：

import matplotlib.pyplot as plt
import numpy as np

# 创建一个画布对象
fig = plt.figure(figsize=(8, 6))

# 在画布中添加子图并绘制分布直方图
x = np.random.normal(0, 1, 100)
ax = fig.add_subplot(111)
ax.hist(x, bins=20)

# 显示图像
plt.show()