Matplotlib初学之概念解析

[wall-e]

投身Matplotlib和放弃Matplotlib的理由可能是一样的：Matplotlib强大而灵活。在学习Matplotlib的时候，初学者容易遭遇Jun所描述的认知障碍。本帖面向初学者解析Matpltolib的基本概念。

matplotlib.pyplot vs Axes

---

Matplotlib的官方教程中指出了Matplotlib具有两种界面：显式和隐式界面。

• 显式：即用 axes.Axes用例在 figure.Figure上建立视图。
• 隐式：即采用类MATLAB的方式，通过一个全局状态基界面，封装了 pyplot模式绘制当前子图。

教程提醒我们：

• The Figure is the final image that may contain 1 or more Axes.
  Figure是一个容器，承载一个或多个Aexes。

• The Axes represent an individual plot (don’t confuse this with the word “axis”, which refers to the x/y axis of a plot).
  Axes代表一个单独的图（不可和单词axis混淆，axis指的是x/y轴）。注意，单从语法上而言，axes确实是axis的复数形式。但在Matplotlib中，Axes类用例作为一个图承载的是从多Artists类用例，其中就包括Axis作标轴。

matplotlib.pyplot

matplotlib.pyplot is a state-based interface to matplotlib. It provides an implicit, MATLAB-like, way of plotting. It also opens figures on your screen, and acts as the figure GUI manager.

matplotlib.pyplot(简称plt)是Matplotlib的状态基界面。它提供了一个类MATLIB的隐式绘图方式。它还能在屏幕上打开图，行为类同图的GUI管理器。

• 注意，它是界面类，不会有用例。你不会看到plt()这样的语法。
• 可以通过plt.plot(x, y)生成图。这种方式是所谓类MATLAB、或过程风格的绘图。
• 调用plt的方法，可生成图matplotlib.figure、子图 matplotlib.axes等：

  fig, ax = plt.subplots()
  

• 再基于matplotlib.axes的方法即可实现所谓OO风格的绘图。

  ax.plot(x, y)
  

Axes

Axes is the most basic and flexible unit for creating sub-plots.

Axes是生成子图的最基本、最灵活的容器类。Axes用例就是一个容器，承载坐标轴、线、点、图例等元素，这些元素有一个共同的基类：Artist。它们之间的关系和用法见后文。

• plt.xxx和ax.xxx的区别
  • plt.xxx采用了类MATLAB风格绘图，适合初学者使用，且适用于快速分析数据的场景，但当任务较为复杂时代码就不宜阅读了；
  • ax.xxx采用OO风格绘图，条理清晰，便于维护，适用于软件开发场景。
• • Axes不是Axis的复数。将来我们会知道，Axis是Axes上的一个元素：坐标轴。

参考

• plt.xxx(), or ax.xxx(), That Is The Question In Matplotlib
• Matplotlib – Axes Class
• Axes container

生成图片的众多方式

和绘图类类比，figure就是一块画布，而axes就是画布的艺术作品。一块画布上可有一类或多类艺术作品。由此，我们首先从一块画布仅有一幅作品开始，然后再实现一块画布上有多幅作品的场景。

figure上仅有一个axes

fig.add_subplot()

# 先初始化一个figure用例。
fig = plt.figure(…)
#  再在这个figure上生成一个axes用例。
ax = fig.add_subplot()  

• 当用空括号时，表明采用了默认参数，即fig.add_subplot(1,1,1) 表示增加了一个1号axes，在1行1列的网格上。也可以用没有逗号隔开的主式：fig.add_subplot(111) 。注意，在这种三整数格式中，每个整数都不能大于9。

fig.add_subplots()

有时也会用到ax = fig.subplots()的方式添加一个axes。这是在批量生成一组子图布局时仅生成一个子图的表达方式，相当于调用了默认参数，即ax = fig.subplots(1,1)，即1行1列的情形。

ax = fig.add_axes([left, bottom, width, height])

这是在figure上生成一个子图，并定义了其位置和大小。参数均为figure宽度和高度的小数。fig.add_axes([0, 0, 0.78, 0.78])等同于fig.add_subplot(111)或fig.subplots(1, 1)。显然，axes尺寸并不等同于figure。在两者之间有默认的空白。

plt.subplot()、plt.subplots()、plt.axes()

这些函数都是matplotlib的状态基界面，即脚本层绘图，分别包装了fig = plt.figure()之后的fig.add_subplot()，fig.subplots()，以及fig.add_axes()。

• plt.subplot()返回了一个axes和自动生成的figure；

  # Creates just a figure and only one subplot
  ax = plt.subplot()
  
  # Equivalent method
  fig = plt.figure()
  ax = fig.add_subplot(1, 1, 1)
  

  • 可由ax.figure.xxx()改变figure层的属性。如ax.figure.savefig('example.png')将figure存为example.png。

  • plt.subplots()返回一个元组，包含一个figure和一个或一组axes对象。我们需要将该元组解包，并分别赋予fig和ax。

    # Set one
    # Creates just a figure and only one subplot
    fig, ax = plt.subplots()
    
    # Equivalent method
    fig = plt.figure()
    ax = fig.subplots(1, 1)  
    

  • plt.axes()返回一个axes，和plt.subplot()一样。它同fig.add_axes([left, bottom, width, height])一样接受位置和大小参数。

    # Set one
    # Creates just a figure and only one subplot
    ax = plt.axes()
    
    # Equivalent method
    fig = plt.figure()
    ax = fig.add_subplot(1, 1, 1)
    
    -------------------------------------------
    
    # Set two
    # Creates just a figure and only one subplot
    ax = plt.axes([0, 0, 0.78, 0.78])
    # Equivalent method
    fig = plt.figure()
    ax = fig.add_axes([0, 0, 0.78, 0.78])
    

figure上有多个axes

fig.add_subplot()

fig = plt.figure()
ax1 = fig.add_subplot(221)
ax2 = fig.add_subplot(222)
ax3 = fig.add_subplot(223)
ax4 = fig.add_subplot(224)
ax1.annotate('I am ax1', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
ax2.annotate('I am ax2', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
ax3.annotate('I am ax3', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
ax4.annotate('I am ax4', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
plt.tight_layout()

fig.add_subplots()

fig = plt.figure()
axs = fig.add_subplots(nrows=2, ncols=2)
axs.flat[0].annotate('I am ax1', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
axs.flat[1].annotate('I am ax2', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
axs.flat[2].annotate('I am ax3', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
axs.flat[3].annotate('I am ax4', (0.5, 0.5), xycoords='axes fraction', va= 'center', ha='center')
plt.tight_layout()

fig.axes()

通常，fig.axes()用于任意布局，这样的布局允许子图包含子图，或子图重叠子图。

fig = plt.figure()
ax1 = fig.add_axes([0, 0.6, 0.5, 0.5])
ax2 = fig.add_axes([0.6, 0.6, 0.5, 0.5])
ax3 = fig.add_axes([0, 0, 0.5, 0.5])
ax4 = fig.add_axes([0.6, 0, 0.5, 0.5])
plt.show()

以上述OO风格的绘图方法之外，还可以用脚本层包装方法与之对应，包括：plt.add_subplot()，plt.add_subplots()，plt.axes()。用法基本相同，这里不再重复代码。

参考

• The Many Ways To Call Axes In Matplotlib