随着对Matplotlib的学习的深入，我们会很自然地发现，似乎Matplotlib中有两种不同的绘图语法。
一种是类似Matlab的语法，另一种就是面向对象语法。也正是由于这一原因，很多人都觉得Matplotlib学习曲线陡峭，对新手一点都不友好。由于Matplotlib最初的目的是在Python中实现Matlab的绘图功能，所以它采用了类似的语法，即无状态语法（stateful）。所谓无状态是指plt会记录当前的axes是哪个，当使用plt.{绘图函数}绘图时，它将在当前的那个子图上绘制。简单来说，面向对象和类Matlab语法的区别就是面向对象是在指定axes对象上面绘图，而类Matlab语法中所有的绘图则是使用的plt（）在当前那个axes对象上绘制。
那么问题来了，如果想绘制两幅并列的图，采用类Matlab的语法该怎么实现呢？
其实很简单，只要每次先建立一幅子图（使用plt.subplot（）或plt.add_subplot（）函数），然后使用plt.plot（）或plt.{其他绘图属性函数}来修改对应的子图（axes）就可以了。这里需要牢记，不管调用的是plt的哪个方法，绘图都是在当前的axes（子图）上进行。下面来看一下代码。
这段代码产生的输出与图9.7相同，与前一段代码的区别在于这段代码使用的是类Matlab语法绘图，没有明确指明axes对象。其中，代码plt.subplot（1，2，1）中前两个参数（1，2）分别代表了新建的子图的行数与列数，这里是1行2列，第三个参数“1”指定当前子图为第1个子图，后续对应的plt函数将在该子图进行图形绘制。为了方便获取或设定axes与figure，Matplotlib中提供了plt.gca（）和plt.gcf（）函数来获取当前axes和figure。而plt.cla（）和plt.clf（）函数则可以清除当前axes和figure。看起来面向对象的绘图方式与类Matlab方式相比似乎没有太大优势，不过如果要绘制如图9.8所示的图形呢？
图9.8 有4幅子图的图形
此时如果采用无状态方式绘图，代码将大量重复，而采用面向对象方式则相对简单，示例如下。
这段代码通过循环遍历axes对象的方式，将重复性的工作放到了一起，绘图代码得到了极大简化。此外，还可以使用plt.suptitle（）函数为整个绘图添加一个标题（plt.title（）是给当前的子图添加标题），verticalalignment='bottom'参数给出了对齐方式是底部。最后，这段代码使用了ax.yaxis.set_ticks_position（'none'）使得Y轴不绘制刻度标记。这也是使用面向对象的好处，理论上用户可以获得axes对象的所有子对象，之后调用该子对象的方法或属性对图形进行修改，下面将进一步讨论这种设置图形属性的方式。
