通常在阅读文献时，发现对于一些图片的绘制时，如果存在多个子图，通常为了美观、简洁，只保留最后一列的以及最左一侧的子图的刻度，那么，我们应该如何实现这种功能呢？
一般来说，在python实现多子图绘制的函数主要有两个：
- 第一种，通过
fig.add_subplot(行、列、位置)添加
import matplotlib.pyplot as plt
fig=plt.figure(figsize=(5,5))
subplot=fig.add_subplot(1,1,1)
- 第二种，通过
plt.subplots(行，列)，将行数和列数作为参数传递给该方法，该方法返回一个图对象和轴对象，可以用来操作图形。
import matplotlib.pyplot as plt
fig,ax=plt.subplots(2,1)
1、使用fig.add_subplot(行、列、位置)添加子图
其中，对于第一种来说，比较容易上手，只需要指定子图的具体位置即可，如下图所示：
import matplotlib.pyplot as plt
fig=plt.figure(figsize=(8,6),dpi=100)
ax_1=fig.add_subplot(121)
ax_1.text(0.3, 0.5, 'subplot(121)')
ax_2=fig.add_subplot(222)
ax_2.text(0.3, 0.5, 'subplot(222)')
ax_3=fig.add_subplot(224)
ax_3.text(0.3, 0.5, 'subplot(224)')
fig.suptitle("Figure with multiple Subplots")
plt.show()
1.1 循环绘制子图
如果要在一个页面上显示一个2x2的四个子图，只需要添加一个循环即可：
import matplotlib.pyplot as plt
fig=plt.figure(figsize=(8,6),dpi=100)
c=0
for i in range(4):
c=c+1
ax=fig.add_subplot(2,2,c)
ax.text(0.3, 0.5, 'subplot(22'+str(c)+')')
fig.suptitle("Figure with multiple Subplots")
plt.show()
2、使用plt.subplots(行，列)添加子图
matplotlib.pyplot.subplots(nrows=1, ncols=1, *,
sharex=False, sharey=False,
squeeze=True, subplot_kw=None,
gridspec_kw=None, **fig_kw)
但是，plt.subplots()与fig.add_subplot()相比稍微麻烦一点，但是功能也多一点，通过返回ax列表中的子图个数进行子图的绘制：
import matplotlib.pyplot as plt
fig,ax=plt.subplots(1,2,dpi=300)
ax[0].text(0.3,0.5,"1st Subplot")
ax[0].set_xticks([])
ax[0].set_yticks([])
ax[1].text(0.3,0.5,"2nd Subplot")
ax[1].set_xticks([])
ax[1].set_yticks([])
fig.suptitle('Figure with 2 subplots',fontsize=16)
plt.show()
2.1 循环绘制子图
对于plt.subplots()，如果要实现循环绘制子图，就需要双重循环：
import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 2, figsize=(6,6),dpi=100)
for i, row in enumerate(axes):
for j, col in enumerate(row):
axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
plt.tight_layout()
3、循环绘制子图时，设置共享坐标轴
那么，如何在循环绘制子图的同时，又实现共享坐标轴呢，这里就要使用到plt.subplots()，它提供了一个参数，可以自动实现共享坐标轴的功能，只需要在建立子图个数时添加sharex、sharey即可，如下所示：
fig, axes = plt.subplots(3, 3, sharex=True, sharey=True, figsize=(6,6))
下面进行简单示范：
import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6,6),dpi=100)
for i, row in enumerate(axes):
for j, col in enumerate(row):
axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
fig.suptitle('Figure with 2x2 subplots',fontsize=16)
plt.tight_layout()
可以发现，已经实现了我们的需求！！
4、循环绘制子图时设置共享label
同样的，如果要实现共享label，应该怎么做呢？
这其实有两个思路：
- 通过
ax.text()选取适当位置，进行添加 - 在绘制子图时，添加判断语句进行添加
下面，进行简单演示：
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6,6),dpi=100)
for i, row in enumerate(axes):
for j, col in enumerate(row):
axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
fig.suptitle('Figure with 2x2 subplots',fontsize=16)
fig.text(0.5, 0, 'xlabel', ha='center')
fig.text(0, 0.5, 'ylaebl', va='center', rotation='vertical')
plt.tight_layout()
或者也可以如下面这样：
import matplotlib.pyplot as plt
fig, axes = plt.subplots(2, 2, sharex=True, sharey=True, figsize=(6,6),dpi=100)
for i, row in enumerate(axes):
for j, col in enumerate(row):
axes[i,j].text(0.3, 0.5, 'axes['+str(i)+','+str(j)+']')
fig.suptitle('Figure with 2x2 subplots',fontsize=16)
col.set_xlabel('xlabel')
col.set_ylabel('ylaebl')
plt.tight_layout()
绘制非规则分布子图（带投影情况下）的贡献设置方式
proj = ccrs.PlateCarree()
fig, axes = plt.subplots(4, 4, sharex=True, sharey=True, figsize=(10,9),dpi=200,
subplot_kw={'projection':proj})
fig.tight_layout()
plt.subplots_adjust(wspace =0.26)
for i, row in enumerate(axes):
for j, col in enumerate(row):
axes[i,j].coastlines('50m')
box = [100,125,0,20]
xstep,ystep = 10,5
axes[i,j].set_extent(box,crs=ccrs.PlateCarree())
axes[-1,j].set_xticks(np.arange(box[0],box[1]+xstep, xstep),crs=ccrs.PlateCarree())
axes[i,0].set_yticks(np.arange(box[2], box[3]+1, ystep),crs=ccrs.PlateCarree())
lon_formatter = LongitudeFormatter(zero_direction_label=False)#True/False
lat_formatter = LatitudeFormatter()
axes[-1,j].xaxis.set_major_formatter(lon_formatter)
axes[i,0].yaxis.set_major_formatter(lat_formatter)
plt.delaxes(axes[3,2])
plt.delaxes(axes[3,3])
plt.show()
