キャンバスしたい（matplotlib.pyplot.subplots）

import matplotlib.pyplot as plt

# キャンバスを作成
fig, ax = plt.subplots()

sc1 = ax.scatter(x=xdata, y=ydata)
sc2 = ax.scatter(x=xdata, y=ydata2)

# グラフのタイトルと軸ラベルを設定
ax.set_title("散布図の例")
ax.set_xlabel("X軸")
ax.set_ylabel("Y軸")

# 凡例を追加
ax.legend(
    [sc1, sc2],    # 凡例の対象
    ["データ1", "データ2"]  # 凡例のラベル
)

# キャンバスを保存
fig.savefig("scatter.png")

# グラフを表示
plt.show()

pyplot.subplotsでキャンバスを作成できます。 返り値はFigureオブジェクトとAxesオブジェクトです。 Axesオブジェクトを使ってグラフを描画します。

# MATLAB-style
plt.figure(figsize=(6, 4))
plt.scatter(x=xdata, y=ydata)
plt.title("散布図の例")
plt.xlabel("X軸")
plt.ylabel("Y軸")
plt.savefig("scatter.png")
plt.show()

キャンバスサイズしたい（figsize）

fig, ax = plt.subplots(
    figsize=(8, 6)  # 幅8インチ、高さ6インチのキャンバスを作成
)

figsizeオプションで、キャンバスのサイズをインチ単位で指定できます。

複数に分割したい（nrows / ncols）

import matplotlib.pyplot as plt

fig, axs = plt.subplots(
    figsize=(8, 12),
    nrows=2,
    ncols=3,
    # squeezed=False,  # 2行3列のキャンバスを作成
)

nrowsとncolsオプションで、キャンバスを複数に分割できます。 このときのaxsは、行数（nrows）と列数（ncols）の 2次元配列（ndarray）になっています。

注意

nrows=1またはncols=1のとき、axsは1次元配列になります。 squeezed=Falseオプションで分割数が1のときも2次元配列になります。 後述するループ処理では、分割数に依存しないように、squeezed=Falseを指定することをオススメします。

ループ処理したい（ravel）

# データを準備する
# 次のカラムを持つpd.DataFrameを想定
# time | v1 | v2 | v3 | v4 | v5 | v6
data = pd.DataFrame(...)

# キャンバスを分割
# fig: matplotlib.figure.Figure
# axs: np.ndarray[matplotlib.axes.Axes]
fig, axs = plt.subplots(
    nrows=2,
    ncols=3,
    figsize=(8, 12),
    squeezed=False,
)

# 2次元配列のキャンバスを1次元配列に変換
canvas = axs.ravel()

# 反復処理でグラフを描く
for i, ax in enumerate(canvas):
    data.plot.scatter(
        x="time",
        y=f"v{i+1}",
        ax=ax
    )

# キャンバスを保存
fig.savefig("waveforms.png")

複数のグラフをループ処理で描くサンプルです。 分割したキャンバスの戻り値は2次元配列（np.ndarray[matplotlib.axes.Axes]）になっています。 squeeze=Falseオプションを指定し、分割数に依らず2次元配列に変換しています。

2次元配列のままでもループ処理できますが、ravel（np.ndarray.ravelメソッド）で1次元配列に変換しておくと、アクセスが楽になります。 上のサンプルでは、pandasの散布図と組み合わせたものにしてみました。

注釈

同様のことはflatten（np.ndarray.flattenメソッド）でもできます。

# iterator: ループ処理の中でアクセスできる
for i, ax in enumerate(axs.flatten()):
    data.plot.scatter(
        x="time",
        y=f"v{i+1}",
        ax=ax
    )

flattenはイテレーターを返すので、 canvas = axs.ravel()を canvas = axs.flatten() に置き換えただけではループ処理でアクセスできません。 ものすごい大量のグラフを描く時はflattenの方がメモリ効率がよいかもしれません。 通常はravelで十分です。

リファレンス

• matplotlib.pyplot.subplots - matplotlib