Matplotlib 本身不支持直接将多个独立的 Figure 对象拼接为子图网格；正确做法是统一在共享的 Axes 对象上绘图，或通过函数签名兼容性改造（如可选 ax 参数）兼顾复用性与布局灵活性。
matplotlib 本身不支持直接将多个独立的 `figure` 对象拼接为子图网格；正确做法是统一在共享的 `axes` 对象上绘图，或通过函数签名兼容性改造（如可选 `ax` 参数）兼顾复用性与布局灵活性。
在 Python 的 Matplotlib 中，一个常见误区是试图将多个调用 plt.figure() 创建的独立 Figure 实例“收集”后强行排布——这本质上不可行，因为每个 Figure 是自包含的顶层容器，无法嵌入另一个 Figure 或共享布局管理器。Julia 的 Plots.jl 中 plot(plots..., layout=(3,3)) 的语义在 Matplotlib 中没有直接等价物。
✅ 正确且推荐的解决方案是：改造绘图函数，支持可选的 ax 参数，使其既能独立创建新图（保持原有行为），也能复用外部传入的子图坐标轴（适配网格布局）。以下是完整实现：
import matplotlib.pyplot as plt
import numpy as np
def plottingfunction(x, y, ax=None):
"""
绘制散点图：支持独立绘图（默认）或复用指定 Axes。
Parameters:
-----------
x, y : array-like
数据坐标
ax : matplotlib.axes.Axes, optional
若提供，则在此 Axes 上绘图；否则新建 figure + axes
Returns:
--------
fig : matplotlib.figure.Figure
所属 Figure 对象（便于统一管理或显示）
"""
if ax is None:
fig, ax = plt.subplots()
else:
fig = ax.get_figure() # 安全获取父 Figure
ax.scatter(x, y)
ax.set_title(f"Plot {ax.get_subplotspec().rowspan.start+1},{ax.get_subplotspec().colspan.start+1}")
return fig
# 构建 3×3 网格布局
fig, axes = plt.subplots(3, 3, figsize=(9, 9))
# 循环调用，显式传入每个子图 axes
for i in range(3):
for j in range(3):
x = np.random.rand(10)
y = np.random.rand(10)
plottingfunction(x, y, ax=axes[i, j])
# 统一调整布局并显示
plt.tight_layout()
plt.show()
⚠️ 注意事项：
- 避免 plt.figure() + plt.scatter() 混用：该模式会隐式激活当前 Figure/Axes，导致绘图目标错乱，且无法控制位置；
- ax.get_subplotspec() 用于动态获取行列索引（如需标题编号），比手动维护计数器更鲁棒；
- 若必须保留原函数签名（完全不可修改），唯一替代方案是使用 Figure.add_subplot() 手动迁移内容（复杂、易出错、不推荐）；
- 所有 plt.show() 应放在最后调用一次，避免中间弹出多个窗口。
总结：Matplotlib 的设计哲学强调“显式优于隐式”。通过让绘图函数接受可选 ax，既零破坏现有调用逻辑，又天然支持批量布局、共享颜色条、统一刻度等高级需求——这是构建可扩展可视化代码的最佳实践。
