Figure

-🍑 顶级容器，包含所有绘图元素（如 Axes、标题、图例等）。
-🍑 类似于一张空白画布，可以在上面放置多个图表。

Figure作用

-🍑 控制整体图形的尺寸（如figsize=(8, 6)）、分辨率（dpi=100）、背景颜色，图名称等。
-🍑 管理多个子图（Axes）的布局。
-🍑 处理图形的保存（如 PNG、PDF）和显示。
-🍑 设置全局标题和其他装饰元素。

Figure常用属性

属性	说明	示例
figsize	图形尺寸（宽 × 高，英寸）	fig = plt.figure(figsize=(8, 6))
dpi	分辨率（每英寸点数）	fig = plt.figure(dpi=300)
facecolor	背景颜色	fig = plt.figure(facecolor=‘lightgray’)
edgecolor	边框颜色	fig = plt.figure(edgecolor=‘black’)
linewidth	边框线宽	fig = plt.figure(linewidth=2)
num	设置figure的编号或者名称	fig = plt.figure(num=“figure_168”)

Figure常用方法

方法	说明	示例
add_subplot()	添加子图（按网格布局）	ax = fig.add_subplot(2, 2, 1)（2×2 网格的第 1 个）
add_axes()	添加自定义位置和大小的子图	ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])（左下角开始）
subplots()	一次性创建多个子图（返回 Figure 和 Axes 数组）	fig, axes = plt.subplots(2, 2)
delaxes()	删除指定的 Axes	fig.delaxes(ax)
suptitle()	设置全局标题， plt也有此方法	fig.suptitle(‘Main Title’, fontsize=16)
text()	在任意位置添加文本， plt也有此方法	fig.text(0.5, 0.95, ‘Annotation’, ha=‘center’)
savefig()	保存图形到文件	fig.savefig(‘plot.png’, dpi=300, bbox_inches=‘tight’)
show()	显示图形（在交互式环境中）	fig.show()
canvas.draw()	强制重绘图形	fig.canvas.draw()
tight_layout()	自动调整子图布局，避免元素重叠， plt也有此方法	fig.tight_layout()
subplots_adjust()	手动调整子图参数（边距、间距等）， plt也有此方法	fig.subplots_adjust(hspace=0.5, wspace=0.3)
set_size_inches()	动态调整图形尺寸	fig.set_size_inches(12, 8)
clear()	清除图形所有内容，但保留 Figure 对象	fig.clear()
get_children()	获取所有子元素（包括 Axes、文本等）	children = fig.get_children()
number	获取 Figure 编号（唯一标识）	print(fig.number)

code:
import matplotlib.pyplot as pltfig = plt.figure(figsize=(6, 6), dpi=100, num="Example_168",linewidth=10, facecolor='lightgray') # 创建Figure对象ax1 = fig.add_subplot(211)  # 2行1列，第1个子图
ax2 = fig.add_subplot(212)  # 2行1列，第2个子图
ax3 = fig.add_axes([0.2, 0.2, 0.2, 0.2])ax1.plot([1, 2, 3], [4, 5, 6])  # 折线图
ax2.scatter([1, 2, 3], [4, 5, 6])  # 散点图fig.suptitle('Two Subplots Example', fontsize=16) # 设置全局标题
fig.subplots_adjust(hspace=0.6)  # 增加子图间距
fig.text(0.5, 0.3, 'Common X Label', ha='center', fontsize=12) # 添加文本注释
fig.savefig('example.png', dpi=300, bbox_inches='tight')plt.show()

Figure对象的创建

隐式创建（通过 pyplot）

code:
import matplotlib.pyplot as pltplt.plot([1, 2, 3], [4, 5, 6])  # 自动创建Figure和Axes
fig = plt.gcf()  # 获取当前Figure对象

显式创建

code:fig = plt.figure(figsize=(10, 5), dpi=100)  # 直接创建Figure
ax = fig.add_subplot(111)  # 添加一个Axes
ax.plot([1, 2, 3], [4, 5, 6])

使用subplots()一次性创建 Figure 和 Axes

code:
fig, axes = plt.subplots(2, 2, figsize=(10, 8))  # 创建2×2网格的子图
axes[0, 0].plot([1, 2])  # 左上角子图

Axes（绘图区）

-🍓 实际的绘图区域，包含具体的数据可视化。
-🍓 绘制具体图表（如折线图、散点图）。
-🍓 设置标题、图例、网格等。
-🍓 管理两个或三个 Axis 对象：X 轴、Y 轴（3D 图还有 Z 轴）。
-🍓 一个Figure可包含多个axes。

Axes创建方式

• 🍌 使用 plt.subplots()，见figure的创建方式。
• 🍌 使用 plt.subplot()。

x_data = np.linspace(0, 10, 100)# 创建四个子图
ax1 = plt.subplot(221)
ax2 = plt.subplot(222)
ax3 = plt.subplot(223)
ax4 = plt.subplot(224)# 在每个子图中绘制不同的数据
ax1.plot(x_data, np.sin(x_data))
ax2.plot(x_data, np.cos(x_data))
ax3.plot(x_data, np.tan(x_data))
ax4.plot(x_data, np.exp(-x_data))plt.tight_layout()
plt.show()

• 🍌 使用 fig.add_axes()，在指定位置添加自定义大小的 Axes，fig.add_axes(left, bottom, width, height)
  – 当需要创建非常规的子图排列，例如嵌套坐标系或者大小不同的子图时，就可以使用该方法。
  – 添加插入图：若要在主图内部添加一个小图来展示局部细节，就可以使用该方法。
  – 精细控制位置：当你需要对子坐标系的位置进行精确控制时，就可以使用该方法。

import matplotlib.pyplot as pltfig = plt.figure(figsize=(6, 4))# 添加主坐标系
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax1.plot([1, 2, 3, 4], [1, 4, 2, 3])
ax1.set_title('Main Plot')# fig.add_axes(left, bottom, width, height)
# left：坐标系左侧边缘与图形左侧的距离比例。
# bottom：坐标系下侧边缘与图形底部的距离比例。
# width：坐标系的宽度占图形宽度的比例。
# height：坐标系的高度占图形高度的比例。
ax2 = fig.add_axes([0.5, 0.5, 0.3, 0.3])  # 位置相对于图形
ax2.plot([1, 2, 3, 4], [1, 2, 3, 4], 'r--')
ax2.set_title('Insert')plt.show()

Axes基本绘图功能

-🍐 折线图（plot），折线图一般用于展示数据随连续变量（如时间）的变化趋势。
-🍐 散点图（scatter），散点图主要用于展示两个变量之间的关系，还能通过颜色或大小来表示第三个变量。
-🍐 柱状图（bar/barh），柱状图适用于比较不同类别之间的数据差异。
-🍐 直方图（hist），直方图可用于展示数据的分布情况。

import matplotlib.pyplot as plt
import numpy as npx0 = np.linspace(0, 10, 100)
y0 = np.sin(x0)fig, ax_old = plt.subplots(2, 2)
ax = ax_old.flatten()
ax[0].plot(x0, y0, 'b-', lw=2)  # 蓝色实线，线宽为2
ax[0].set_title('Sine Wave')
ax[0].set_xlabel('X')
ax[0].set_ylabel('Y')x1 = np.random.rand(50)
y1 = np.random.rand(50)
colors = np.random.rand(50)
sizes = 1000 * np.random.rand(50)ax[1].scatter(x1, y1, c=colors, s=sizes, alpha=0.5)  # alpha 为透明度
ax[1].set_title('Scatter Plot')categories = ['A', 'B', 'C', 'D', 'E']
values = [25, 35, 30, 20, 40]# ax[2].bar(categories, values, color='skyblue')  # 垂直柱状图
ax[2].barh(categories, values)  # 水平柱状图
ax[2].set_title('Bar Chart')data = np.random.randn(1000)
ax[3].hist(data, bins=30, color='lightgreen', alpha=0.7)
ax[3].set_title('Histogram')
fig.tight_layout()
plt.show()

Axes绘图的常用参数

参数	说明	示例
color，c	颜色：支持名称、RGB、HTML 颜色代码	color=‘red’
linestyle，ls	线型：‘-’, ‘–’, ‘-.’, ‘:’, ‘None’	linestyle=‘–’，ls=“–”
linewidth， lw	线宽	linewidth=2
marker	标记：‘o’, ‘s’, ‘^’, ‘x’, ‘+’	marker=‘o’
markersize， ms	标记大小	markersize=6
markerfacecolor，mfc	标记填充色	markerfacecolor=‘blue’
markeredgecolor，mec	标记边框色	markeredgecolor=‘black’
alpha	透明度	alpha=0.7
label	图例标签	label=‘Sine’

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 10, 100)
y0 = np.sin(x)
y1 = np.cos(x)fig, ax = plt.subplots()
ax.plot(x, y0, x, y1,color='red',           # 颜色：支持名称、RGB、HTML 颜色代码, color可简写为clinestyle='--',        # 线型：'-', '--', '-.', ':', 'None', linestyle简写为lslinewidth=2,           # 线宽, linewidth简写为lwmarker='o',            # 标记：'o', 's', '^', 'x', '+'markersize=6,          # 标记大小, markersize简写为msmarkerfacecolor='blue',# 标记填充色, markerfacecolor简写为mfcmarkeredgecolor='black',# 标记边框色, markeredgecolor简写为mecalpha=0.7,             # 透明度label='Sine')           # 图例标签
plt.show()

Axes图例参数

参数	说明	示例
loc	位置：‘best’, ‘upper right’, ‘lower left’ 等	loc=‘lower right’
frameon	显示图例边框	frameon=True
framealpha	边框透明度	framealpha=0.8
shadow	添加阴影	shadow=True
fontsize	字体大小	fontsize=10
ncol	图例分栏数	ncol=2

import matplotlib.pyplot as plt
import numpy as npx = np.linspace(0, 10, 100)
y0 = np.sin(x)
y1 = np.cos(x)fig, ax = plt.subplots()
ax.plot(x, y0, label="sin")
ax.plot(x, y1, label="cos")
ax.legend(loc='upper right',    # 位置：'best', 'upper right', 'lower left' 等frameon=True,         # 显示图例边框framealpha=0.8,       # 边框透明度shadow=False,         # 添加阴影fontsize=10,          # 字体大小ncol=2)               # 图例分栏数
plt.show()

Axes注释参数

• 🍉 annotate(text, xy, xytext=None, xycoords=‘data’, textcoords=None,
  arrowprops=None, bbox=None, **kwargs)

参数	说明	示例
text	注释文本内容	‘最大值’, f’温度: {temp}°C’
xy	箭头指向的点坐标（x, y）	(2.5, 3.7)
xytext	文本的位置坐标（默认与 xy 相同）	(4, 3) 或 (30, -20)（若使用偏移量）
xycoords	xy 的坐标系类型	‘data’（默认，数据坐标）‘axes fraction’（轴比例）
textcoords	xytext 的坐标系类型（若为偏移量，需设置为 ‘offset points’）	‘offset points’（像素偏移）、‘data’

---

注释箭头参数（arrowprops）

• 🍉 通过字典传递， arrowprops=dict()

参数	说明	示例
arrowstyle	箭头样式 ‘-’（无箭头）、‘->’（单线箭头）、‘simple’（实心箭头）
color	箭头颜色	color =‘black’, ‘#FF0000’
edgecolor	箭头框颜色	edgecolor=‘red’
width	箭身宽度（点为单位）width = 1.5
headwidth	箭头宽度（点为单位）	headwidth =8
shrink	箭头两端与 xy 和 xytext 的距离（比例值）	0.05（表示收缩 5%）
connectionstyle	连接样式（用于弯曲箭头）	‘arc3,rad=0.3’（弧度为 0.3 的曲线）

---

文本框参数（bbox）

• 🍉 控制文本周围的边框样式，通过字典传递, bbox=dict()

参数	说明	示例
boxstyle	边框样式 ‘round’（圆角）	‘square,pad=0.5’（方角，内边距 0.5）
facecolor	背景颜色	‘white’, ‘yellow’, (1,1,1,0.5)（带透明度）
edgecolor	边框颜色	‘black’, ‘red’
alpha	透明度	0.5

其它注释参数

参数	说明	示例
fontsize	文本字体大小	12, ‘large’
fontweight	文本字体粗细	‘bold’, ‘normal’
color	文本颜色	‘blue’, ‘#00FF00’
ha / horizontalalignment	文本水平对齐方式	‘center’, ‘left’, ‘right’
va / verticalalignment	文本垂直对齐方式	‘center’, ‘bottom’, ‘top’
rotation	文本旋转角度（度）	45, ‘vertical’

x = np.linspace(0, 10, 100)
y0 = np.sin(x)
y1 = np.cos(x)
plt.plot(x, y0, x, y1)plt.annotate('max_value',xy=(1.57, 1),  # 注释点坐标xytext=(3, 0.8),  # 文本位置arrowprops=dict(color='red',  # 箭头颜色edgecolor='red',  # 箭头框颜色shrink=0.05,  # 箭头与文本的距离width=1.5,  # 箭身宽度headwidth=8  # 箭头宽度),fontsize=12, fontweight="bold", fontstyle='italic', rotation=10,bbox=dict(boxstyle="round,pad=0.3", fc="white", ec="white", alpha=0.5))
plt.show()

Axes的常用方法

基本设置

方法	说明	示例
title	设置子图标题	ax.set_title(‘Temperature Plot’)
xlabel, ylabel	设置坐标轴标签	ax.set_xlabel(‘Time (s)’)
xlim, ylim	设置坐标轴范围	ax.set_xlim(0, 10)
xticks, yticks	设置刻度位置和标签	ax.set_xticks([0, 5, 10])
set_xticklabels	设置刻度标签	ax.set_xticklabels([‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ‘f’])
flatten	将axes如果是2维的，变成1维进行访问，ax[1,1]变成ax[3]，便于书写和循环	axes.flattern()

刻度与网格边框

方法	说明	示例
tick_params	自定义刻度样式	ax.tick_params(axis=‘x’, rotation=45)
grid	显示 / 隐藏网格线	ax.grid(True, linestyle=‘–’)
spines	控制坐标轴边框	ax.spines[‘top’].set_visible(False)

图例与注释

方法	说明	示例
legend	添加图例	ax.legend([‘Data 1’, ‘Data 2’])
text	在指定位置添加文本	ax.text(2, 5, ‘Peak Value’)
annotate	添加带箭头的注释	ax.annotate(‘Max’, xy=(3, 10), arrowprops=dict(facecolor=‘black’))

code:
import matplotlib.pyplot as plt
import numpy as npfig, ax = plt.subplots(2, 1, num="Figure168")
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
ax[0].plot(x, y1)
ax[1].plot(x, y2)ax[0].spines["top"].set_visible(False)
ax[0].tick_params(axis='x', rotation=315)
ax[0].set_xticks([0, 1, 4])
ax[0].set_title("Sin")
ax[0].set_xlabel("x")
ax[0].set_ylabel("y")
ax[0].set_xlim(0, 5)
ax[0].set_ylim(-2, 2)
ax[0].legend("Sine Waveform")
ax[0].grid(True, linestyle='--')
ax[0].text(1, 1.5, 'This is the sin waveform')
ax[1].annotate('This is the cos waveform', xy=(4, 0.3), xytext=(1.5,0.7),arrowprops=dict(arrowstyle='->',connectionstyle='arc3,rad=0.3'))
plt.tight_layout()
print(ax[0].get_title(), ax[0].get_xlabel(), ax[0].get_ylabel(), ax[0].get_xlim(), ax[0].get_ylim())result:
Sin x y (0.0, 5.0) (-2.0, 2.0)

图形样式

方法	说明	示例
facecolor	设置绘图区背景颜色	ax.set_facecolor(‘#f0f0f0’)
alpha	设置透明度	ax.set_alpha(0.8)
aspect	设置坐标轴纵横比	ax.set_aspect(‘equal’)
twinx, twiny	创建共享坐标轴的双 Y 轴 / 双 X 轴	ax2 = ax.twinx()

Axis（坐标轴）

• 🍎 Axes 的一部分，控制单个坐标轴的具体属性（如刻度、标签、范围）。
• 🍎 设置刻度位置（ticks）和标签（ticklabels）。
• 🍎 控制坐标轴范围（如xlim、ylim）。
• 🍎 管理坐标轴的缩放类型（线性、对数等）。

获取axis对象

• 🍓 ax.xaxis, ax.yaxis

刻度位置（Locator）

• 🍓 MultipleLocator(base)：固定间隔刻度（如 base=0.5 表示每 0.5 一个刻度）
• 🍓 MaxNLocator(nbins)：自动选择最多 nbins 个刻度
• 🍓 FixedLocator(locs)：自定义刻度位置（如 [1, 3, 5]）
• 🍓 AutoLocator()：自动定位（默认选项）

刻度格式（Formatter）

• 🍓 PercentFormatter(xmax)：百分比格式（如 xmax=1.0 时，0.5 → 50%）
• 🍓 StrMethodFormatter(“{x:.2f}”)：自定义字符串格式
• 🍓 FuncFormatter(func)：自定义函数格式化
• 🍓 NullFormatter()：不显示刻度标签

code:
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import PercentFormatter, StrMethodFormatter, FuncFormatter, NullFormatter
from matplotlib.ticker import MultipleLocator, MaxNLocator, FixedLocator, AutoLocatorfig, ax = plt.subplots(2, 1, figsize=(8, 5))# 获取x轴和y轴
x0_axis = ax[0].xaxis
y0_axis = ax[0].yaxis
x1_axis = ax[1].xaxis
y1_axis = ax[1].yaxis# 设置刻度位置
x0_axis.set_major_locator(MultipleLocator(1))  # 每1一个刻度
y0_axis.set_major_locator(MaxNLocator(10))  # 一共10个刻度值
x1_axis.set_major_locator(FixedLocator([0, 2, 4, 6]))  # 固定的数值作为locator
y1_axis.set_major_locator(AutoLocator())  # 自动设置def data_covert(x, pos):  # pos: 刻度位置return f'data{x:.1f}'# 设置刻度格式
x0_axis.set_major_formatter(StrMethodFormatter("{x:.3f}"))  # 自定义字符串格式
y0_axis.set_major_formatter(PercentFormatter(xmax=1.0))  # 百分比格式x1_axis.set_major_formatter(FuncFormatter(data_covert))  # FuncFormatter(func)：自定义函数格式化
y1_axis.set_major_formatter(NullFormatter())  # NullFormatter()：不显示刻度标签x = np.linspace(0,10, 100)
y0 = np.sin(x)
y1 = np.cos(x)
ax[0].plot(x, y0)
ax[1].plot(x, y1)plt.show()

---

隐藏坐标轴或刻度

隐藏刻度

• 🍉 隐藏y轴的刻度，使用tick_params
  – x1_axis.set_visible(False) # 隐藏刻度
  – y1_axis.set_visible(False) # 隐藏刻度
• 🍉 隐藏y轴的刻度，使用tick_params
  – ax[0].tick_params(axis=‘x’, which=‘both’, bottom=True, labelbottom=True) # ‘minor’, ‘major’, ‘both’
  – ax[0].tick_params(axis=‘y’, which=‘both’, left=False, labelbottom=True)

隐藏边框和设置边框

• 🥒 ax[1].spines[‘top’].set_visible(False) # 隐藏边框
• 🥒 ax[1].spines[‘right’].set_visible(False) # 隐藏边框
• 🥒 ax[0].set_frame_on(False) # 隐藏所有边框
• 🥒 设置边框
  – ax[1].spines[‘left’].set_linestyle(‘–’) # 设置边框线型
  – ax[1].spines[‘bottom’].set_linestyle(‘-.’)
  – ax[1].spines[‘left’].set_color(‘blue’) # 设置边框颜色
  – ax[1].spines[‘bottom’].set_color(‘red’)

code:
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MultipleLocator, MaxNLocatorfig, ax = plt.subplots(2, 1, figsize=(8, 5))# 获取x轴和y轴
x0_axis = ax[0].xaxis
y0_axis = ax[0].yaxis
x1_axis = ax[1].xaxis
y1_axis = ax[1].yaxis# 设置刻度位置
x0_axis.set_major_locator(MultipleLocator(1))  # 每1一个刻度
y0_axis.set_major_locator(MaxNLocator(10))  # 一共10个刻度值x1_axis.set_visible(False)  # 隐藏刻度
y1_axis.set_visible(False)  # 隐藏刻度# 隐藏y轴的刻度，使用tick_params
ax[0].tick_params(axis='x', which='both', bottom=True, labelbottom=True) # 'minor', 'major', 'both'
ax[0].tick_params(axis='y', which='both', left=False, labelbottom=True)# 隐藏边框
ax[1].spines['top'].set_visible(False)  # 隐藏边框
ax[1].spines['right'].set_visible(False)  # 隐藏边框
# ax[0].set_frame_on(False)  # 隐藏所有边框
ax[1].spines['left'].set_linestyle('--')  # 设置边框线型
ax[1].spines['bottom'].set_linestyle('-.')
ax[1].spines['left'].set_color('blue')  # 设置边框颜色
ax[1].spines['bottom'].set_color('red')x = np.linspace(0,10, 100)
y0 = np.sin(x)
y1 = np.cos(x)
ax[0].plot(x, y0)
ax[1].plot(x, y1)
plt.show()

自定义刻度外观

• 🍍 ax.tick_params设置

code:
ax.tick_params(axis='both',         # 同时设置 X 和 Y 轴which='major',       # 只设置主刻度length=5,            # 刻度线长度width=1,             # 刻度线宽度labelsize=10,        # 标签字体大小direction='in',      # 刻度线方向（in、out、inout）color='red',         # 刻度线颜色labelcolor='blue'    # 标签颜色
)

共享X轴

-🌹 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
-🌹 正常的只建立一个ax，第二个ax直接ax2 = ax1.twinx()，然后画图

code:
import matplotlib.pyplot as plt
import numpy as np# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 第一个 Y 轴
ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red')# 第二个 Y 轴（共享 X 轴）
ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.plot(x, y2, color='blue')plt.show()

共享X轴时的legend设置

-🌹 设置图例时，由于分别属于不同的ax，单独显示在同一位置时会覆盖。
-🌹 可以将两个图的线条和图例合并在一起，在某一个ax上显示。
-🌹 虽然是数轴的内容，但是通过axes设置。

code:
import matplotlib.pyplot as plt
import numpy as np# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)# 第一个 Y 轴
ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red', label='Sin')
# ax1.legend(loc='lower right')  # 显示第一个图例，单独显示
# 第二个 Y 轴（共享 X 轴）
ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.plot(x, y2, color='blue', label='Cos')
# ax2.legend(loc='upper left')  # 显示第二个图例，单独显示# 同时显示两个图例, 都在某一个ax上显示，另一个的ax不显示
# 将两个子图的线条和标签收集起来，创建一个统一的图例：
lines1, labels1 = ax1.get_legend_handles_labels()
lines2, labels2 = ax2.get_legend_handles_labels()
ax2.legend(lines1 + lines2, labels1 + labels2, loc='upper right')plt.tight_layout()
plt.show()

import matplotlib.pyplot as plt
import numpy as np# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red', label='Sin')ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.plot(x, y2, color='blue', label='Cos')# 分别放置图例
ax1.legend(loc='upper right', bbox_to_anchor=(1, 0.9))  # 上方
ax2.legend(loc='upper right', bbox_to_anchor=(1, 0.85))  # 上方plt.tight_layout()
plt.show()

设置对数坐标

• 🍓 虽然是数轴的东西，但是通过axes设置。
• 🍓 ax2.set_yscale(‘log’)色设置对数坐标。
  mport matplotlib.pyplot as plt
  import numpy as np

# 类似于在excel中将另一个图画在次坐标轴, 设置一个ax1对象，第二个ax直接ax2 = ax1.twinx()
fig, ax1 = plt.subplots(figsize=(8, 5))
x = np.linspace(0, 10, 100)
ax1.set_xscale('log')  # X 轴为对数刻度y1 = np.sin(x)
y2 = np.cos(x)ax1.set_xlabel('X')
ax1.set_ylabel('Y1', color='red')
ax1.plot(x, y1, color='red', label='Sin')ax2 = ax1.twinx()
ax2.set_ylabel('Y2', color='blue')
ax2.set_yscale('log')  # X 轴为对数刻度
ax2.plot(x, y2, color='blue', label='Cos')plt.tight_layout()
plt.show()

axes和axis的对比

• 🌼 有些关于axis的性质要通过axes的方法取设置。

方法	说明	示例
维度	Axes	Axis
层级关系	属于 Figure，包含两个或三个 Axis 对象	属于 Axes，是其组成部分，但是多个axes可以共享一个axis
实例数量	一个 Figure 可包含多个 Axes（如 2×2 网格有 4 个 Axes）	每个 Axes 至少包含 X 轴和 Y 轴或 X、Y、Z 轴
绘图操作	通过plot()、scatter()等方法绘制数据	无直接绘图方法，主要控制坐标轴属性
属性设置	设置标题、图例、网格等全局元素	设置刻度、标签、范围等坐标轴特定元素
访问方式	fig, axes = plt.subplots(2, 2)返回 Axes 数组	ax.xaxis或ax.yaxis访问特定 Axis 对象