plt.subplots()与plt.figure()+plt.gca()的功能是否存在差异？

核心结论 #

常规单轴绘图场景下，两者最终得到的fig（画布对象）和ax（绘图轴对象）表面效果一致，但在创建逻辑、多子图支持、状态依赖等方面存在本质区别：

具体差异点 #

• 创建逻辑本质不同

  • fig, ax = plt.subplots()：主动创建一个画布+绑定的绘图轴，一步完成。默认参数下生成1行1列的子图网格，直接返回对应的画布和唯一轴对象，是主动式的对象创建。
  • fig = plt.figure() + ax = plt.gca()：先创建空画布，再通过plt.gca()（get current axes）获取当前画布的轴——如果画布上没有轴，它才会被动创建一个，属于被动式的获取+按需创建逻辑。

• 多子图场景的适配性差异
  若要创建多子图，plt.subplots(nrows=2, ncols=2)可以直接返回包含所有子图轴的数组，方便批量操作；而用plt.figure()配合plt.gca()时，每次只能获取当前活跃的轴（默认是最后创建的那个），要生成多子图必须手动调用fig.add_subplot()逐个添加，逻辑繁琐且容易出错。

• 全局状态依赖差异

  • plt.subplots()是纯面向对象的写法，直接返回对象，不依赖matplotlib的全局状态机，代码逻辑清晰，在多画布、复杂绘图场景下，不会和其他未关闭的画布/轴混淆。
  • plt.gca()完全依赖全局状态机，它会获取当前“活跃”的画布上的轴，如果之前有未关闭的其他画布，可能会意外获取到错误的轴，导致绘图内容错位到其他画布上。

• 默认参数细节差异
  部分默认参数（如tight_layout）在plt.subplots()和plt.figure()的默认设置中可能存在细微差别，不过这属于边缘细节，大部分常规绘图场景影响不大。

总结 #

单轴绘图时，两者结果相近，但plt.subplots()是官方推荐的写法，更简洁且避免状态机风险；多轴绘图场景下，plt.subplots()的优势极为明显，能大幅简化代码逻辑。

内容的提问来源于stack exchange，提问作者Joey