plt.subplots()是一个函数，它返回一个包含图形和轴对象的元组。因此，当使用fig, ax = plt.subplots()时，您可以将此元组解压缩为变量fig和ax。如果您希望更改图形级别的属性或稍后将图形保存为图像文件，则使用fig非常有用（例如fig.savefig('yourfilename.png')）。你当然不需要使用返回的figure对象，但是很多人会在以后使用它，所以很常见。此外，所有axes对象（具有plotting方法的对象）都有一个父figure对象，因此：

fig, ax = plt.subplots()

比这个更简洁：

fig = plt.figure()
ax = fig.add_subplot(111)

这里只是一个补充。
下面的问题是，如果我想在图中有更多的子情节呢？
如文档中所述，我们可以使用fig = plt.subplots(nrows=2, ncols=2)在一个图形对象中设置一组具有网格（2，2）的子图。
然后我们知道，fig, ax = plt.subplots()返回一个元组，让我们先尝试fig, ax1, ax2, ax3, ax4 = plt.subplots(nrows=2, ncols=2)。

ValueError: not enough values to unpack (expected 4, got 2)

它会引发一个错误，但不用担心，因为我们现在看到plt.subplots()实际上返回了一个包含两个元素的元组。第一个必须是一个figure对象，另一个应该是一组subplots对象。
让我们再试一次：

fig, [[ax1, ax2], [ax3, ax4]] = plt.subplots(nrows=2, ncols=2)

检查类型：

type(fig) #<class 'matplotlib.figure.Figure'>
type(ax1) #<class 'matplotlib.axes._subplots.AxesSubplot'>

当然，如果你使用参数作为（nrows=1，nrows =4），那么格式应该是：

fig, [ax1, ax2, ax3, ax4] = plt.subplots(nrows=1, ncols=4)

因此，只需记住保持列表的结构与我们在图中设置的子图网格相同。
希望这对你有帮助。

作为对问题和上述答案的补充，plt.subplots()和plt.subplot()之间也有一个重要的区别，请注意最后缺少的's'。
你可以使用plt.subplots()来一次绘制所有的子图，它将子图的图形和轴（复数轴）作为元组返回。图形可以被理解为你画草图的画布。

# create a subplot with 2 rows and 1 columns
fig, ax = plt.subplots(2,1)

而如果你想单独添加子图，你可以使用plt.subplot()。它只返回一个子图的轴。

fig = plt.figure() # create the canvas for plotting
ax1 = plt.subplot(2,1,1) 
# (2,1,1) indicates total number of rows, columns, and figure number respectively
ax2 = plt.subplot(2,1,2)

但是，plt.subplots()是首选，因为它为您提供了直接自定义整个图形的更简单选项

# for example, sharing x-axis, y-axis for all subplots can be specified at once
fig, ax = plt.subplots(2,2, sharex=True, sharey=True)

，而对于plt.subplot()，必须为每个轴单独指定，这可能变得很麻烦。

除了上面的答案，你可以使用type(plt.subplots())来检查对象的类型，它返回一个元组，另一方面，type(plt.subplot())返回matplotlib.axes._subplots.AxesSubplot，你不能解包。

使用plt.subplots()很受欢迎，因为它提供了一个Axes对象，并允许您使用Axes接口来定义绘图。
另一种方法是使用全局状态接口，plt.plot等功能：

import matplotlib.pyplot as plt

# global state version - modifies "current" figure
plt.plot(...)
plt.xlabel(...)

# axes version - modifies explicit axes
ax.plot(...)
ax.set_xlabel(...)

为什么我们更喜欢斧头？

• 它是可重构的--你可以把一些代码放到一个接受Axes对象的函数中，而不依赖于全局状态
• 更容易过渡到有多个子情节的情况
• 一个一致/熟悉的界面，而不是在两个界面之间切换
• 访问matplotlib所有功能深度的唯一方法

全局状态版本是以这种方式创建的，易于交互使用，并且是Matlab用户熟悉的界面，但在较大的程序和脚本中，这里概述的要点有利于使用Axes接口。
有一篇matplotlib博客文章更深入地探讨了这个主题：Pyplot vs Object Oriented Interface
处理这两个世界相对容易。例如，我们可以总是要求当前轴：ax = plt.gca()（“获取当前轴”）。

fig.tight_layout（）
这样的功能非常方便，如果xticks_labels超出plot-window，这样的一行有助于将xticks_labels和整个图表适应窗口，如果plt-window中图表的自动定位不正确。并且只有当您在plt-window中使用fig-object时，此代码行才有效

fig, ax = plt.subplots(figsize=(10,8))

myData.plot(ax=ax)
plt.xticks(fontsize=10, rotation=45)

fig.tight_layout()
plt.show()