如何为Matplotlib多个子图轴同时设置标签？

哦，这个坑我踩过！你用map没生效的核心原因是：plt.subplots(nrows=10, ncols=10)返回的ax是一个二维NumPy数组（10行×10列），而map只能直接遍历一维可迭代对象——你的代码其实只是把每一行数组传给了lambda函数，根本没触碰到每个子图的轴对象，所以既没效果也没报错。

给你几种靠谱的解决方案：

方案1：展平二维数组后用map（补全迭代器执行逻辑） #

把二维的ax数组展平成一维的迭代器ax.flat，同时要把map返回的迭代器转成列表（Python3中map是惰性执行的，不触发遍历就不会执行set_ylabel操作）：

fig, ax = plt.subplots(ncols=10, nrows=10, figsize=(20,10))
# 你的绘图命令
list(map(lambda x: x.set_ylabel('Value'), ax.flat))

方案2：嵌套循环（可读性最佳） #

如果追求代码清晰，嵌套循环是最直观的选择，尤其适合后续需要调整只给部分轴设置标签的场景：

fig, ax = plt.subplots(ncols=10, nrows=10, figsize=(20,10))
# 你的绘图命令
for row_axes in ax:
    for axis in row_axes:
        axis.set_ylabel('Value')

要是只需要给第一列的轴加ylabel（避免重复标签），还可以简化：

for axis in ax[:, 0]:  # 选取所有行的第一列轴
    axis.set_ylabel('Value')

方案3：用numpy的vectorize快速批量处理 #

借助NumPy的vectorize函数，可以直接对二维数组的每个元素应用操作：

import numpy as np

fig, ax = plt.subplots(ncols=10, nrows=10, figsize=(20,10))
# 你的绘图命令
np.vectorize(lambda x: x.set_ylabel('Value'))(ax)

个人最推荐方案2，代码逻辑一目了然，后续维护起来也方便；如果偏爱函数式写法，方案1补全list转换就可以正常工作啦。

内容的提问来源于stack exchange，提问作者Demetri Pananos