首先subplot()、subplots()均用于Matplotlib 绘制多图
在我们使用这两个函数的之前，我们需要理解它的实际工作流程和返回对象的含义，这样我们能更好的用它们来处理大型的数据
1.从两者的区别来谈谈函数返回对象：
菜鸟教程原文解释：
subplots 一次性创建并返回所有的子图和其 axe 对象。subplot则是分开多次添加子图。每次调用返回一个子图和对应的 ax 对象。
不知道你第一次看到这段话是否迷惑，反正我是迷了，后来看了大量教程发现这样的说法是极其模糊和不准确的。
来让我们搞懂它们吧
来看这段常见代码：
import numpy as npimport matplotlib.pyplot as pltfig, ax = plt.subplots()这里fig和ax是两个subplots()的返回对象，名称当然可以自定义
实际的含义是什么呢？这个才是最重要的
我的理解：
fig——-即figure，画窗
ax——-即axex，画窗中创建的笛卡尔坐标区
上面的代码是下面代码的精简形式：
fig = plt.figure()#首先调用plt.figure()创建了一个**画窗对象fig**ax = fig.add_subplot(111)#然后再对fix创建默认的坐标区（一行一列一个坐标区）#这里的（111）相当于（1，1，1），当然，官方有规定，当子区域不超过9个的时候，我们可以这样简写关于subplot():
来看matplotlib.pyplot.subplot的官方解释：
注意这句：This is a wrapper of Figure.add_subplot which provides additional behavior when working with the implicit API (see the notes section).
即是对add_subplot()函数的封装调用。
再来看add_subplot():
意思就是用来向画窗添加坐标区的。
那么我们可以进行总结了：
subplot()、subplots()在实际过程中，先创建了一个figure画窗，然后通过调用add_subplot()来向画窗中各个分块添加坐标区，其差别在于是分次添加(subplot())还是一次性添加(subplots())
我解释的可能会比较混乱，再来看张图：
另外：matplotlib 是从MATLAB启发而创建的，这俩的命令几乎一模一样，所以概念基本完全相同，既然python教程看的那么麻烦，何不看看MATLAB官方文档，给你解释的明明白白的还附带一堆例子。
subplot
axis
figure
plot
axes
到这里看完，相信你一定有一个更清晰的认识了，下面关于subplot()、subplots()就说的简单一点了，更多需要自己带上理解去感悟
2.plt.subplot()
函数原型 subplot(nrows, ncols, index, **kwargs)，一般我们只用到前三个参数，将整个绘图区域分成 nrows 行和 ncols 列，而index用于对子图进行编号
这里直接copy了菜鸟教程的代码，如图中，创建了一个1×2的subplot对象，即两块绘制区域，当我们在每个区域进行绘制时，需要使用参数来制定绘制区域，即使用第三个参数index
import matplotlib.pyplot as pltimport numpy as np#plot 1:xpoints = np.array([0, 6])ypoints = np.array([0, 100])plt.subplot(1, 2, 1)plt.plot(xpoints,ypoints)plt.title("plot 1")#plot 2:x = np.array([1, 2, 3, 4])y = np.array([1, 4, 9, 16])plt.subplot(1, 2, 2)plt.plot(x,y)plt.title("plot 2")plt.suptitle("RUNOOB subplot Test")plt.show()
3.plt.subplots()
语法格式：
matplotlib.pyplot.subplots(nrows=1, ncols=1, *, sharex=False, sharey=False, squeeze=True,subplot_kw=None, gridspec_kw=None, **fig_kw)-nrows：默认为 1，设置图表的行数。
-ncols：默认为 1，设置图表的列数。
-sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y 轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
直接看实例，关于图的解释写在了注释里
import matplotlib.pyplot as pltimport numpy as np# 创建一些测试数据 x = np.linspace(0,100, 4)y = np.sin(x**2)# 创建一个画像和子图 -- 图1fig, ax = plt.subplots()ax.plot(x, y)ax.set_title('Simple plot')# 创建两个子图 -- 图2#如图figure2，四个子图中上两幅图并无x轴（与下子图共享），因为已设置sharex=True#若改为sharey=True，可观察到四副子图中右两幅无y轴（即与左子图共享）f, ([ax1, ax2],[ax3,ax4]) = plt.subplots(2, 2, sharex=True)ax1.plot(x, y)ax1.set_title('Sharing x axis')ax2.scatter(x, y)ax3.scatter(x, y)ax4.scatter(x, y)# 创建四个子图 -- 图3#通过对subplot_kw传入参数，生成关于极坐标系的子图fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))axs[0, 0].plot(x, y)axs[1, 1].scatter(x, y)plt.show()