概述
说到添加子图，大家都会想到使用 Figure.add_axes() 方法，该方法能够在一个 Figure 对象的任意位置添加一个 Axes 对象，这些 Axes 对象是平级的，只是位置不同，那么如果想在一个子图上再嵌套一个子图呢？这个需求使用 Figure.add_axes() 方法就无法实现。
使用嵌套子图和在图中添加数据表的目的一致，都是为了帮助大家更好的理解数据，从多个角度显示同一个数据，这样才能更加全面地了解数据的本质。在 matplotlib 中，添加嵌套子图的方法是使用 Axes.inset_axes() 方法，该方法的定义如下：
Axes.inset_axes(bounds, *, transform=None, zorder=5, **kwargs)
参数说明：
- bounds：指定插入的 Axes 对象的左下角坐标和长宽；
- projection：指定插入的 Axes 对象的投影方式；
-
polar：指定是否使用极坐标系，该参数等同于
projection='polar'； - zorder：指定插入的 Axes 对象的 Z 轴高度；
- kwargs：传递 Axes 关键字参数；
- 返回值：插入的 Axes 对象。
示例
接下来将以一个示例帮助大家更好的理解嵌入子图，使用的数据是通过正态分布函数得出（均值 75，标准差 15） ，示例完整代码如下：
import matplotlib.pyplot as plt
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
plt.style.use("classic")
x = np.linspace(1, 100, 200)
y = np.random.normal(75.0, 15.0, 200)
fig, ax = plt.subplots(1, 1)
fig.set_facecolor("#FFF")
ax.plot(x, y, ls='-', lw=3, color='#2878b5')
child_ax = ax.inset_axes((0.4, 0.75, 0.35, 0.2))
child_ax.hist(y, bins=5, facecolor='#c82423', edgecolor='k')
plt.show()
画图结果如下：
嵌套子图
往期回顾
- 【matplotlib】可视化解决方案——如何正确设置图例
- 【matplotlib】可视化解决方案——如何正确设置轴长度和范围
- 【matplotlib】可视化解决方案——如何正确理解pyplot和OO-API
- 【matplotlib】可视化解决方案——如何正确展示和保存图像
- 【matplotlib】可视化解决方案——如何设置字符串的输出字体效果
- 【matplotlib】可视化解决方案——如何正确使用颜色映射表
- 【matplotlib】可视化解决方案——如何调整轴脊位置
- 【matplotlib】可视化解决方案——如何设置坐标系计量方法
- 【matplotlib】可视化解决方案——如何正确使用文本注释
- 【matplotlib】可视化解决方案——如何调整计量单位和计量方法
文中难免会出现一些描述不当之处（尽管我已反复检查多次），欢迎在留言区指正，相关的知识点也可进行分享，希望大家都能有所收获！！如果觉得我的文章写得还行，不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持！
