plot()与pyplot.subplots()

pyplot.plot(*args, scalex=True, scaley=True, data=None, **kwargs)
plot([x], y, [fmt], *, data=None, **kwargs)
plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs)

参数
x, y：类似数组的数据或标量数据
fmt：标明颜色、线型和标记的字符串，如：“r—o”表示红色、破折线，标记为圆圈
data：可索引的数据对象
返回值：
list of Line2D（2D曲线的列表）
表示绘制曲线的数据列表，如[]

所绘图的点或线节点的坐标由x，y给出。
可选参数fmt是定义基本格式（如颜色、标记和线型）的便捷方法。

'b'    # blue markers with default shape
'or'   # red circles
'-g'   # green solid line
'--'   # dashed line with default color
'^k:'  # black triangle_up markers connected by a dotted line

格式字符串由颜色、标记和线条部分组成：

fmt = '[marker][line][color]'

还支持其他组合，例如[color][marker][line]，但需要注意的是，它们的解析可能不明确。
“fmt”是一种快捷的字符串表示法，下面三条语句效果相同。

plot(x, y, 'go--')
plot(x, y, color='green', marker='o', linestyle='dashed')
plot(x, y, color='green', marker='o', linestyle='--')

标记：

线型：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 5)
# [0,5)，产生50个点的等差数组
y1 = x
y2 = x ** 2           # 生成一系列x平方值的数组
y3 = x ** 3           # 生成一系列x立方值的数组
y4 = x ** 4
plt.plot(x, y1, 'g-.')
plt.plot(x, y2, 'g-')
plt.plot(x, y3, 'r--')
plt.plot(x, y4, 'm:')
plt.show()            # 显示创建的绘图对象

颜色：
支持的颜色缩写为单字母代码

1.根据标签数据绘制
有一种方便的方法可以使用带标签的数据（即可以通过索引obj[‘y’]访问的数据）绘制图像。可以在数据参数中提供数据对象，而不必在x和y中提供数据，只需为x和y提供标签：

plot('xlabel', 'ylabel', data=obj)

XRD_AFOtxtd.csv

import matplotlib.pyplot as plt
import pandas as pd
df = pd.read_csv('XRD_AFOtxtd.csv')
plt.plot('2d', 'Intensity', data=df)   # 根据列标题获取数据
plt.show()   # 显示绘制结果

2.绘制多组数据
绘制多组数据有多种方法。
最直接的方法就是多次调用plot。例如：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 5)
# [0,5)，产生50个点的等差数组
y1 = x
y2 = x ** 2           # 生成一系列x平方值的数组
y3 = x ** 3           # 生成一系列x立方值的数组
plt.plot(x, y1, 'g^')       # 绘制二次函数曲线
plt.plot(x, y2, 'b-')       # 绘制二次函数曲线
plt.plot(x, y3, 'r--')       # 绘制三次函数曲线
plt.show()            # 显示创建的绘图对象

与以下代码等效：

import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(0, 5)
# [0,5)，产生50个点的等差数组
y1 = x
y2 = x ** 2           # 生成一系列x平方值的数组
y3 = x ** 3           # 生成一系列x立方值的数组
plt.plot(x, y1, 'g^', x, y2, 'g-', x, y3, 'r--')
plt.show()            # 显示创建的绘图对象

再如：

import matplotlib.pyplot as plt
import numpy as np
x = [1, 2, 3]
y = np.array([[1, 2], [3, 4], [5, 6]])
plt.plot(x, y)
plt.show()

与以下代码等价：

import matplotlib.pyplot as plt
import numpy as np
x = [1, 2, 3]
y = np.array([[1, 2], [3, 4], [5, 6]])
for col in range(y.shape[1]):
    plt.plot(x, y[:, col])
plt.show()

默认情况下，图中每条线都指定了一个由“ style cycle”指定的不同样式。“fmt”和line属性参数仅在希望与这些默认值有明显不同时才需要使用的。线条风格也可以使用rcParams属性指定。

pyplot.subplots(nrows=1, ncols=1, *, sharex=False, 
                sharey=False, squeeze=True, subplot_kw=None, 
                gridspec_kw=None, **fig_kw)

创建一个画布和一组子图。
可以方便的在一次调用中创建多子图的通用布局，包括封闭的图对象。
行和列的默认值均为1，表示一行一列，即一个子图。
此方法的返回值有2个：
fig：Figure
ax：axes.Axes or array of Axes
如果创建了多个子图块，ax可以是单个轴对象，也可以是轴对象数组。生成的数组的维度可以通过 squeeze关键字控制，请参见上文。
处理返回值的典型习惯用法有：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
print(fig)  # Figure(640x480)
print(ax)  # AxesSubplot(0.125,0.11;0.775x0.77)
# using the variable axs for multiple Axes
fig, axs = plt.subplots(2, 2)
print(axs)  # [[<AxesSubplot:> <AxesSubplot:>]
            #  [<AxesSubplot:> <AxesSubplot:>]]
# using tuple unpacking for multiple Axes
fig, (ax1, ax2) = plt.subplots(1, 2)
print(ax1, ax2)  # AxesSubplot(0.125,0.11;0.352273x0.77) 
                 # AxesSubplot(0.547727,0.11;0.352273x0.77)
fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
print((ax1, ax2), (ax3, ax4))  # (<AxesSubplot:>, <AxesSubplot:>) 
                               # (<AxesSubplot:>, <AxesSubplot:>)