子图中使用同名/异名坐标轴与无坐标轴绘图的差异探究

虽然这三种方式输出的图形看起来完全一致，但在代码逻辑、后续操作灵活性以及可维护性上存在明显差异，具体如下：

1. 同名坐标轴变量绘图 #

from matplotlib import pyplot as plt

plt.figure(figsize=(10,5))
ax = plt.subplot(1, 2, 1)
ax.plot(temperature, months)

ax = plt.subplot(1, 2, 2)
ax.plot(temperature, flights_to_hawaii, 'o') 

这种方式复用了同一个变量名ax存储子图的坐标轴对象。第一次赋值得到第一个子图的Axes实例，但第二次赋值会直接覆盖掉之前的引用——这意味着绘图完成后，你再也无法通过ax变量访问第一个子图的坐标轴了。如果后续想给第一个子图加坐标轴标签、调整刻度样式或者修改图例，都会因为丢失引用而无法操作。

2. 异名坐标轴变量绘图 #

from matplotlib import pyplot as plt

plt.figure(figsize=(10,5))
ax1 = plt.subplot(1, 2, 1)
ax1.plot(temperature, months)

ax2 = plt.subplot(1, 2, 2)
ax2.plot(temperature, flights_to_hawaii, 'o') 

这是Matplotlib面向对象编程的标准写法，用不同变量名ax1、ax2分别保存两个子图的Axes实例。两个子图的引用都被完整保留，后续可以独立对任意一个子图做精细化调整：比如给ax1设置x轴标题，给ax2修改y轴刻度范围，甚至给其中一个子图添加双坐标轴，操作起来清晰且灵活，尤其适合复杂的多子图绘图场景。

3. 不使用显式坐标轴变量绘图 #

from matplotlib import pyplot as plt

plt.figure(figsize=(10,5))
plt.subplot(1, 2, 1)
plt.plot(temperature, months)

plt.subplot(1, 2, 2)
plt.plot(temperature, flights_to_hawaii, 'o')

这是Matplotlib的状态机（pyplot）接口模式，依赖“当前活跃子图”的上下文来绘图：每次调用plt.subplot()会把对应的子图设为当前活跃对象，plt.plot()会自动在这个活跃子图上绘制。如果后续需要修改某个子图，你得先通过plt.subplot(1,2,1)重新激活它，或者用plt.gca()获取当前活跃的坐标轴，但这种方式在代码复杂、子图数量多的时候很容易搞混操作对象，可维护性较差，更适合快速绘制简单图形。

内容的提问来源于stack exchange，提问作者Young Jun Joo