fig = plt.figure('多图', (10, 10), dpi=80) #第一个指定窗口名称，第二个指定图片大小，创建一个figure对象

plt.subplot(222) #2*2的第二个

plt.axis([0, 6, 0, 20]) #指定坐标轴范围

t = np.arange(0, 5, 0.2)

plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^') #可以连着写多个

plt.subplot(221) #2*2第一个，这句下面直接写绘图语句和设置语句

x = np.arange(-10, 10, 0.01)

y = np.exp(-x)*np.cos(2*np.pi*x)

plt.plot(x, y, 'r')

plt.xlim([-10, 10])

plt.show()

fig.savefig('linshi.png') #保存figure

plt.figure('第一个')  # 创建第一个画板（figure）

plt.subplot(211)  # 第一个画板的第一个子图

plt.plot([1, 2, 3], [1, 2, 3])

plt.subplot(212)  # 第一个画板的第二个子图

plt.plot([4, 5, 6], [1, 2, 3])

plt.figure('第二个')  # 创建第二个画板

plt.plot([4, 5, 6], [1, 2, 3])  # 默认子图命令是spbplot（111）

plt.figure('第一个')  # 如果想对画板1操作，需调取画板1，此时调用中的子图是subplot(212)

plt.subplot(211)  # 将调用中的子图变为subplot（211）

plt.title('Easy as 1, 2, 3')

plt.show()

"""axes的使用"""

import matplotlib.pyplot as plt

import numpy as np

# 创建数据

dt = 0.001

t = np.arange(0.0, 10.0, dt)

r = np.exp(-t[:1000]/0.05)  # impulse response

x = np.random.randn(len(t))  # 从标准正太分布中返回len(t)个随机数

s = np.convolve(x, r)[:len(x)] * dt  # colored noise

# 默认主轴图axes是subplot(111)

plt.plot(t, s)

plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])

plt.xlabel('time(s)')

plt.ylabel('current(nA)')

plt.title('Gaussian colored noise')

# 内嵌图

a = plt.axes([.65, .6, .2, .2], facecolor='y')

# Add an axes to the figure，第一个参数是指定axes的位置和高度，[距左距离，距底距离，宽，高]，都是0-1之间，按比例表示

n, bins, patches = plt.hist(s, 400, normed=1)

plt.title('probability')

plt.xticks([])  # 不显示坐标轴标签

plt.yticks([])

# 另外一个内嵌图

b = plt.axes([0.2, 0.6, .2, .2], facecolor='y')

plt.plot(t[:len(r)], r)

plt.title('Impulse response')

plt.xlim(0, 0.2)

plt.xticks([])

plt.yticks([])

plt.show()