我已经实现了它与以下，所以也许有一个更干净的替代品？

def test(*args):
    figs, axs = plt.subplots( 1 , 2 , figsize = ( 8 , 8 ) )
    xy = np.array(args)
    for x_y , ax in zip( xy , axs.flat ) :
        (x, y) = np.hsplit(np.ndarray.flatten(x_y), 2)
        ax.scatter(x, y)

test(X, Y)

plt.show()

好吧...这就是你的问题的解决方案...这可能和你的代码一样难以理解。

def t(*args):
    figs, axs = plt.subplots( 1 , 2 , figsize = ( 8 , 8 ) )
    for xy , ax in zip( zip(*args) , axs.flat ) :
        print(xy)
        ax.scatter(*xy)

t(X.transpose(), Y.transpose())

现在，让我们将其转换为python代码......只需查看函数，您就应该了解有关函数的所有信息，因此 *args对于函数预期行为之外的“额外”内容非常有用。
1.将X和Y与args分开，因为它们在函数内部显式使用。
1.避免zip，除非参数很简单，虽然嵌套生成器性能很好，但它对代码质量不好，在你的情况下，我会选择enumerate，因为我正在索引到一个数组，它需要尽可能具有描述性。
1.让你的调用描述性的，*xy不是描述性的，这个变量是什么？它是一个元组？一个ndarray？解包它会得到什么结果？如果你在里面传递X和Y，那么直接传递X和Y。

def t(*args):
    X,Y = args
    figs, axs = plt.subplots(1, 2, figsize=(8, 8))
    for i, ax in enumerate(axs):
        print(X[:, i], Y[:, i])
        ax.scatter(X[:, i], Y[:, i])

t(X, Y)