fig, axs = plt.subplots(2, 1, figsize=(6, 8))

`fig, axs = plt.subplots(2, 1, figsize=(6, 8))` 这行代码是用于创建一个画布和两个子图的示例。其中 `2, 1` 表示创建 2 行 1 列的子图布局，`figsize` 参数用于设置画布的大小。

`fig, axs` 是一个元组，其中 `fig` 是整个画布，`axs` 是一个包含子图对象的数组。在这个示例中，`axs` 是一个长度为 2 的数组，包含两个子图对象。

我们可以通过 `axs` 数组中的索引来访问每个子图对象。例如，`axs[0]` 表示第一个子图对象，`axs[1]` 表示第二个子图对象。我们可以在每个子图对象上使用 Matplotlib 的绘图函数来绘制图形。例如：

axs[0].plot([1, 2, 3], [4, 5, 6])
axs[1].scatter([1, 2, 3], [4, 5, 6])

这里我们使用 `plot` 函数在第一个子图对象上绘制一条曲线，使用 `scatter` 函数在第二个子图对象上绘制散点图。最后，我们可以使用 `fig.tight_layout()` 函数调整子图之间的间距，然后使用 `plt.show()` 函数显示整个图像。

相关问题

fig, axs = plt.subplots(2, 1, figsize=(10, 8), sharex=True)详细代码

这是一个创建一个包含两个子图的图形，子图按照垂直方向排列的示例代码。每个子图的大小为10x8英寸，共享x轴。下面是详细代码：

import matplotlib.pyplot as plt

# 创建一个包含两个子图的图形，子图按照垂直方向排列，每个子图的大小为10x8英寸，共享x轴
fig, axs = plt.subplots(2, 1, figsize=(10, 8), sharex=True)

# 在第一个子图中绘制图形
axs[0].plot([1, 2, 3, 4], [1, 4, 2, 3])
axs[0].set_title('Subplot 1')

# 在第二个子图中绘制图形
axs[1].plot([1, 2, 3, 4], [4, 2, 3, 1])
axs[1].set_title('Subplot 2')

# 设置图形的x轴标签和标题
plt.xlabel('X Label')
plt.suptitle('Two Subplots')

# 显示图形
plt.show()

该代码将创建一个包含两个子图的图形。在第一个子图中，我们绘制了y轴值为[1, 4, 2, 3]对应的x轴值为[1, 2, 3, 4]的线图。在第二个子图中，我们绘制了y轴值为[4, 2, 3, 1]对应的x轴值为[1, 2, 3, 4]的线图。两个子图共享x轴，因此它们具有相同的x轴标签和刻度。整个图形的x轴标签为'X Label'，图形的标题为'Two Subplots'。最后，我们使用plt.show()方法显示图形。

fig, axs = plt.subplots(2, 2, figsize=(12, 4))

这段代码创建了一个大小为 12x4 的画布，并将画布分成 2 行 2 列的四个子图区域。`axs` 是一个包含四个子图对象的二维数组，可以分别在每个子图中绘制不同的图形。

下面是一个例子，展示如何在这四个子图中绘制不同的图形：

import matplotlib.pyplot as plt
import numpy as np

# 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x)

# 创建画布和子图
fig, axs = plt.subplots(2, 2, figsize=(12, 4))

# 在子图中绘制图形
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('sin(x)')
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('cos(x)')
axs[1, 0].plot(x, y3)
axs[1, 0].set_title('tan(x)')
axs[1, 1].plot(x, y4)
axs[1, 1].set_title('exp(x)')

# 显示图形
plt.show()

运行以上代码，会在同一画布上绘制四个不同的图形：正弦曲线、余弦曲线、正切曲线和指数曲线。注意，在二维数组中使用 `axs[row, col]` 的方式访问每个子图对象。