plt.subplots() 函数还可以用于创建包含多个子图的图形。通过指定 nrows 和 ncols 参数，可以定义子图的行数和列数。

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 10, 100)

fig, axs = plt.subplots(nrows=2, ncols=2)

# axs 是一个 2x2 的数组，每个元素都是一个 Axes 对象

axs[0, 0].plot(x, np.sin(x))

axs[0, 1].plot(x, np.cos(x))

axs[1, 0].plot(x, np.tan(x))

axs[1, 1].plot(x, 1/x)

plt.show()

在这个例子中，axs 是一个 2x2 的 NumPy 数组，每个元素都是一个 Axes 对象，代表图形中的一个子图。我们可以通过索引 axs[i, j] 来访问和操作特定的子图。

🔍 五、fig和ax的交互

fig 和 ax 对象之间也有一些交互。例如，我们可以通过 fig.add_axes() 方法手动向图形中添加一个 Axes 对象，或者通过 ax.figure 属性获取一个 Axes 对象所属的 Figure 对象。

下面，我们将深入探讨 fig 和 ax 之间的交互，并通过示例代码展示如何使用它们来创建更复杂的图形布局和交互。

使用 fig.add_axes() 添加 Axes 对象

虽然 plt.subplots() 是一种非常方便的创建子图的方法，但有时我们可能需要更灵活地控制子图的位置和大小。这时，可以使用 fig.add_axes() 方法来手动添加 Axes 对象。

import matplotlib.pyplot as plt

# 创建一个图形对象

fig = plt.figure()

# 使用 add_axes() 方法添加 Axes 对象

# 参数是一个四元组，表示子图在图形中的位置（左下角 x, 左下角 y, 宽度, 高度）

# 这些值都是相对于图形大小的分数

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

# 在第一个 Axes 对象上绘制图形

ax1.plot([1, 2, 3, 4], [1, 4, 2, 3])

# 还可以继续添加更多的 Axes 对象

ax2 = fig.add_axes([0.2, 0.5, 0.4, 0.3])

ax2.plot([1, 2, 3, 4], [4, 3, 2, 1])

# 显示图形

plt.show()

在上面的代码中，我们手动指定了每个 Axes 对象在图形中的位置和大小。这种方法比 plt.subplots() 更底层，因此提供了更大的灵活性。

使用 ax.figure 获取所属的 Figure 对象

每个 Axes 对象都有一个 figure 属性，它指向该 Axes 对象所属的 Figure 对象。通过这个属性，我们可以访问和操作整个图形。

import matplotlib.pyplot as plt

# 创建一个图形和一个 Axes 对象

fig, ax = plt.subplots()

# 使用 ax.figure 访问所属的 Figure 对象

print(ax.figure is fig) # 输出: True

# 也可以通过 ax.figure 来操作整个图形

ax.figure.suptitle('My Title')

# 显示图形

plt.show()

在这个例子中，我们验证了 ax.figure 是否与通过 plt.subplots() 返回的 fig 对象相同，并展示了如何使用 ax.figure 来设置整个图形的标题。

共享坐标轴

有时，我们可能希望多个子图共享一个或多个坐标轴。Matplotlib 提供了 sharex 和 sharey 参数来实现这一功能。

import matplotlib.pyplot as plt

# 创建两个子图，并共享 x 轴

fig, axs = plt.subplots(nrows=2, sharex=True)

axs[0].plot([1, 2, 3], [1, 2, 3])

axs[1].plot([1, 2, 3], [3, 2, 1])

# 显示图形

plt.show()

在这个例子中，两个子图共享了 x 轴，因此它们的 x 轴刻度和标签是相同的。

通过了解 fig 和 ax 之间的交互，我们可以更灵活地控制图形的布局和外观，从而创建出更具吸引力的可视化效果。无论是通过 plt.subplots() 创建子图，还是手动使用 fig.add_axes() 添加子图，我们都能够充分利用 Matplotlib 的强大功能来创建出符合我们需求的图形。

🎭 六、fig和ax的进一步定制

除了基本的绘图和坐标轴设置，fig 和 ax 还提供了许多高级功能，允许我们对图形进行更深入的定制。

自定义颜色、线条样式和标记

在绘制图形时，我们可以自定义线条的颜色、样式（实线、虚线等）以及数据点的标记样式。

ax.plot(x, y, color='red', linestyle='--', marker='o')code>

添加网格、边框和背景色