plt.subplots图表

### 如何使用 Matplotlib 的 `plt.subplots` 创建图表

#### 导入库并设置基础环境
为了创建图表，首先需要导入必要的库，并配置合适的后端以支持图形显示。

import matplotlib.pyplot as plt

此行代码展示了如何引入 `pyplot` 并将其命名为常用的别名 `plt`[^1]。

#### 准备数据集
在实际操作前，准备一些示例数据是非常有帮助的。这里定义了两个列表：一个是类别标签（例如不同种类的水果），另一个是对应的数据值。

categories = ['Apple', 'Banana', 'Cherry']
values = [20, 35, 30]

这部分内容描述了为条形图提供基本输入的方式[^2]。

#### 创建子图布局
利用 `plt.subplots()` 方法可以轻松地构建单个或多个子图。该函数返回一个元组 `(fig, ax)`，其中 `fig` 表示整个图形对象而 `ax` 则代表具体的坐标轴实例。

fig, ax = plt.subplots()

这段代码说明了怎样调用 `subplots()` 来获取一个新的空白画布以及默认的一个坐标系[^4]。

#### 绘制条形图
有了上述准备工作之后，在指定的坐标轴上绘制条形图就变得简单多了：

bars = ax.bar(categories, values, color='skyblue', edgecolor='black')

这一步骤具体实现了基于之前设定好的分类和数值来生成视觉化的柱状结构，并指定了颜色属性。

#### 添加交互功能
为了让图表更加生动有趣，还可以进一步增强用户体验，比如允许用户点击某个条形查看更详细的资料。

def on_pick(event):
    bar = event.artist
    height = bar.get_height()
    print(f'You clicked on a bar with value {height}')

fig.canvas.mpl_connect('pick_event', on_pick)

for bar in bars:
    bar.set_picker(True)

此处介绍了实现简单的鼠标事件监听机制的方法，使得当用户选中某根条形时触发特定动作。

#### 展示最终成果
最后不要忘记加上这一句让所有的努力都能呈现在屏幕上！

plt.show()

综上所述，通过以上步骤就可以成功运用 `matplotlib` 库中的 `plt.subplots` 功能制作出既美观又实用的数据可视化作品。