子图的绘画通过add_subplot进行。
如下所示，先根据figsize定义的图片大小调用plt.figure画图，然后通过返回的fig对象，调用fig.add_subplot函数进行对应子图的绘画，前两个参数是每行以及每列的子图个数，下面代码所示为2*2的由4个子图构成的图片。第三个参数代表子图的编号，按行开始从1开始编号1、2、3、4……
figsize = 18,18 fig = plt.figure(figsize=figsize) ax1 = fig.add_subplot(2,2,1)
之后可通过调用返回的ax对象进行画图操作，尤其是设置每个子图的刻度字体，需要通过ax.get_xticklabels()和ax.get_yticklabels进行调用。
ax1.plot(index1,distance_distribution1,'-r',linewidth=5.0)
plt.tick_params(labelsize=25)
plt.xlabel('distance',font2)
plt.ylabel('probability',font2)
labels = ax1.get_xticklabels() + ax1.get_yticklabels()
[label.set_fontname('Times New Roman') for label in labels]
plt.axis([0, 1.2, 0, 0.175]) #代表横纵坐标的取值范围，前两个为x轴范围，后两个为y轴范围
plt.grid(linestyle='--') #用于设置网格，--代表为虚线，默认值plt.grid(True)为实线
堆积柱状图的绘画主要调用plt.bar函数，下面给出一个画堆积柱状图的简单示例。
第一行先画一个简单的柱状图，之后使用for循环进行累加调用，bottom是指当前要画的柱状下面的柱形长度，也就是说在y[i]之前y[0:i]的总和，是一个累计的过程。
在我们这里，y原本是一个矩阵，有n行3列，所以取y[0]是取矩阵第一行的三个值，也就是一个三维向量。
sub_max取得是矩阵y的前i行，然后使用map(sum,zip(*sub_matrix))是对矩阵进行按列求和，每一列求一个值，也就是求对应位上的累计值。
这里的color设置值是因为我调用了beautifulplot中的颜色，不使用这个包的话，可以调换成普通的颜色设置
p1 = plt.bar(np.arange(3), y[0], width,color=set2[0])
bar = []
for i in range(1,4):
sub_matrix = y[0:i]
print sub_matrix
csum = map(sum,zip(*sub_matrix))
print csum
p3 = plt.bar(np.arange(3), y[i], width,bottom=csum,color=set2[i])
bar.append(p3)
频次直方图：
plt.hist(all_distance_vector, bins=15, color="#13eac9",range=(0,1.5))
其中bins可以设置直方图桶的个数，值越多区间分隔越细；range可以设置直方图上显示的数值分布范围，即最左边bin和最右边bin的大小。
有时候我们想画密度直方图，对应纵轴y轴为密度，则可以使用
plt.hist(all_distance_vector,normed=1, bins=15, color="#13eac9",range=(0,1.5))
通过参数normed可以将直方图变为整体面积为1，纵轴为密度值。
有时我们想画频率分布直方图，纵轴是落在每个区间上的频率，而非频次，此时可以使用
plt.hist(all_distance_vector,weights=np.zeros_like(all_distance_vector) + 100./ all_distance_vector.size, bins=15, color="#13eac9",range=(0,1.5))如果我们想画累计直方图，也就是说从左到右依次累计，我们可以添加参数 cumulative=True。