如何使用matplotlib从单图批量生成多区域缩放展示子图

• 该需求完全可实现，仅需借助matplotlib原生的子图布局能力，无需拆分多个代码单元格、也不需要安装额外第三方库，就能在单张输出画布中生成至少5个对应不同目标区域的缩放子图。

1. 一次性创建子图画布 #

• 放弃原本单轴画布的模式，通过plt.subplots()提前定义好网格布局的多轴对象，比如需要展示5个缩放子图，选择2行3列的网格结构（共预留6个绘图位，空出1个位置可以放全图概览，排版更合理），整个流程只需要初始化一次画布。
• 每个子图的坐标范围配置，直接复用你之前手动用plt.axis()设置的各区域缩放参数即可，不需要重复调试。

注意：你之前使用的plt.axis([xmax,xmin,ymin,xmax])存在参数顺序笔误，该方法传入范围列表的正确格式为[xmin, xmax, ymin, ymax]，如果写反x轴的最小、最大值顺序，会出现坐标轴反向的显示异常。

2. 复用绘图逻辑减少重复代码 #

• 将原本绘制两组数据集的代码封装为通用绘图函数，函数接收轴对象作为输入参数，避免在每个子图中重复写两遍plot()逻辑。
• 对于原图表中竖线标记的目标区域，可在每个缩放子图中同步添加标记线，和原图表的标识保持视觉一致。

import matplotlib.pyplot as plt
import numpy as np

# 生成示例双数据集，可替换为你自己的实际数据
x = np.linspace(0, 10, 1000)
y_set1 = np.sin(x) * np.exp(-x/5)
y_set2 = np.cos(x) * np.exp(-x/5)

# 提前整理所有要展示的目标区域范围，格式为(xmin, xmax, ymin, ymax)
target_zoom_regions = [
    (0, 2.5, -0.2, 1.1),
    (2.5, 5, -0.2, 1.1),
    (5, 7.5, -0.2, 1.1),
    (7.5, 10, -0.2, 1.1),
    (1, 9, -0.8, 0.8)
]

# 一次性创建2行3列的子图画布
fig, ax_grid = plt.subplots(nrows=2, ncols=3, figsize=(15, 8))

# 遍历每个目标区域，绑定到对应子图完成绘制
for index, (x_low, x_high, y_low, y_high) in enumerate(target_zoom_regions):
    row_pos = index // 3
    col_pos = index % 3
    active_ax = ax_grid[row_pos, col_pos]
    # 在当前子图上绘制两组数据集
    active_ax.plot(x, y_set1, label='数据集1')
    active_ax.plot(x, y_set2, label='数据集2')
    # 设置当前子图的缩放范围
    active_ax.set_xlim(x_low, x_high)
    active_ax.set_ylim(y_low, y_high)
    active_ax.set_title(f'缩放区域{index+1}：x轴范围{x_low}-{x_high}')
    active_ax.legend(fontsize=8)

# 移除未使用的空轴，自动调整排版避免标签重叠
fig.delaxes(ax_grid[1, 2])
plt.tight_layout()
plt.show()

运行上述代码后，无需额外拆分单元格，就会一次性输出所有对应目标区域的缩放子图，和原图表竖线标记的区域一一对应。

内容的提问来源于stack exchange，提问作者jojo