matplotlib同时画多个图

### 回答1：
要在 Matplotlib 中同时画多个图，可以使用子图（subplots）功能。以下是一个简单的例子，展示如何在一个图形窗口中创建两个子图：

import matplotlib.pyplot as plt
import numpy as np

# 创建两个子图，分别在第一行和第二行
fig, ax = plt.subplots(nrows=2, ncols=1, figsize=(6,6))

# 在第一个子图上绘制正弦函数
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)
ax[0].plot(x, y)
ax[0].set_title('Sin(x)')

# 在第二个子图上绘制余弦函数
y = np.cos(x)
ax[1].plot(x, y)
ax[1].set_title('Cos(x)')

# 展示图形
plt.show()

在这个例子中，我们使用 `plt.subplots()` 函数创建了一个 2x1 的子图网格，并将其保存在 `fig` 和 `ax` 变量中。然后，我们在第一个子图上绘制了正弦函数，而在第二个子图上绘制了余弦函数。最后，我们使用 `plt.show()` 函数显示了整个图形。

### 回答2：
在matplotlib中，可以使用figure和subplot函数同时画多个图。

首先，我们需要导入matplotlib库，并且使用pyplot模块起一个别名plt：

import matplotlib.pyplot as plt

然后，我们可以使用figure函数创建一个新的图形窗口，可以指定窗口的大小和分辨率。例如，创建一个大小为10x8英寸，分辨率为80的图形窗口：

fig = plt.figure(figsize=(10, 8), dpi=80)

接下来，我们可以使用subplot函数在这个窗口中创建一个或多个子图。subplot函数接受三个参数：行数、列数和子图的索引位置。例如，创建一个2x2的子图并选择第一个子图：

ax1 = fig.add_subplot(2, 2, 1)

在增加其他子图时，可以重复调用ax.add_subplot函数，指定不同的索引位置。例如，创建第二个子图：

ax2 = fig.add_subplot(2, 2, 2)

然后，我们可以在子图上绘制我们想要的图形，例如直方图、折线图、散点图等。例如，在第一个子图上绘制一个简单的折线图：

ax1.plot([1, 2, 3, 4], [1, 4, 9, 16])

最后，我们使用plt.show函数来显示图形窗口，查看我们所创建的多个子图：

plt.show()

通过上述步骤，我们可以在同一个图形窗口中同时绘制多个图形，方便进行比较和展示。当然，还可以使用其他matplotlib的函数和方法对图形进行进一步的定制和美化。

### 回答3：
使用matplotlib库可以同时画多个图形，可以通过创建子图(subplot)的方式实现。

首先，我们需要导入matplotlib库，并创建一个画布和子图对象:

import matplotlib.pyplot as plt

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

上述代码中，`plt.subplots()`函数会创建一个包含2行2列共4个子图的画布，并将这些子图对象存储在axes变量中。我们可以根据需要调整行列数目。

之后，我们可以使用子图对象来分别绘制每个子图的内容。例如，我们可以在第一个子图中绘制一条线：

axes[0, 0].plot(x, y)

其中`[0, 0]`表示第一行第一列的子图。

我们还可以在每个子图中添加标题、坐标轴标签等元素来增加可读性:

axes[0, 0].set_title('Subplot 1')
axes[0, 0].set_xlabel('X')
axes[0, 0].set_ylabel('Y')

通过类似的方式，我们可以使用不同的子图对象来绘制其他图形，或者在同一个子图上绘制多个图形。

最后，我们可以使用`plt.show()`函数来显示所有的子图:

plt.show()

这样，我们就可以同时画多个图形了。通过调整子图的位置和属性，我们可以实现更加复杂和灵活的图形布局。