在 matplotlib 中使用绘图、轴或图形绘制绘图有什么区别？

Question

当我在 matplotlib 中绘制绘图时，我对后端发生的事情感到困惑，tbh，我不清楚绘图、轴和图形的层次结构。 我阅读了文档，它很有帮助，但我仍然感到困惑......

下面的代码以三种不同的方式绘制相同的图 -

#creating the arrays for testing
x = np.arange(1, 100)
y = np.sqrt(x)
#1st way
plt.plot(x, y)
#2nd way
ax = plt.subplot()
ax.plot(x, y)
#3rd way
figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

现在我的问题是——

1. 这三个方法之间有什么区别，我的意思是当调用这 3 个方法中的任何一个时，幕后会发生什么？

2. 什么时候应该使用哪种方法，在这些方法上使用 any 的利弊是什么？

Answer 1

方法一

plt.plot(x, y)

这使您可以仅绘制一个具有 (x,y) 坐标的图形。 如果你只想得到一个图形，你可以使用这种方式。

方法二

ax = plt.subplot()
ax.plot(x, y)

这使您可以在同一窗口中绘制一个或多个图形。 在编写它时，您将只绘制一个图形，但您可以制作如下内容：

fig1, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)

您将绘制 4 个名为 ax1、ax2、ax3 和 ax4 的图形，每个图形都在同一窗口上。 在我的示例中，这个窗口将被分为 4 个部分。

方法三

fig = plt.figure()
new_plot = fig.add_subplot(111)
new_plot.plot(x, y)

我没有使用它，但您可以找到文档。

例子：

import numpy as np
import matplotlib.pyplot as plt

# Method 1 #

x = np.random.rand(10)
y = np.random.rand(10)

figure1 = plt.plot(x,y)

# Method 2 #

x1 = np.random.rand(10)
x2 = np.random.rand(10)
x3 = np.random.rand(10)
x4 = np.random.rand(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)
y4 = np.random.rand(10)

figure2, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
ax1.plot(x1,y1)
ax2.plot(x2,y2)
ax3.plot(x3,y3)
ax4.plot(x4,y4)

plt.show()

其他例子：

Answer 2

对象名称

Matplotlib 是强烈的面向对象，它的主要对象是图形和轴（我发现名称axes有点误导，但可能只是我）。

您可以将图形视为画布，您通常会指定其尺寸，可能还包括背景颜色等。您可以使用画布、图形，基本上以两种方式使用，在其上放置其他对象（主要是轴，但还有文本标签等）并使用savefig保存其内容。

您可以将轴视为一种瑞士军刀，一个方便的对象，它为.plot提供工具（例如.plot 、 .scatter 、 .hist等）。 您可以使用多种不同方法之一在图形中放置一个、两个、...多个轴。

plt接口

plt程序界面最初是为了模仿 MATLAB™ 界面而开发的，但与面向对象的界面并没有真正的不同，即使您不直接引用主要对象（即图形和轴），这些对象也是自动实例化，并且每个plt方法本质上都转换为对底层基本对象的方法之一的调用：例如， plt.plot()是hidden_axes.plot ， plt.savefig是hidden_figure.savefig 。

在任何时候，您都可以使用plt.gcf和plt.gca来处理这些隐藏的对象，当对象方法之一尚未移植到plt命名空间中的方法时，有时需plt.gca 。

我想补充一点， plt命名空间还包含许多方便的方法，以不同的方式实例化figure和axes 。

你的例子

第一种方式

plt.plot(x, y)

在这里你只使用plt接口，你只能在每个图形中使用一个轴，但这就是你在探索数据时想要的，这是一个快速完成工作的秘诀......

第二种方式

ax = plt.subplot() ax.plot(x, y)

在这里，您使用plt命名空间中的便捷方法为轴对象命名（和句柄），但顺便说一句，还有一个隐藏的figure 。 您可以稍后使用轴对象来绘制、制作直方图等，所有您可以使用plt界面执行的操作，但您也可以访问其所有属性并更自由地修改它们。

第三种方式

figure = plt.figure() new_plot = figure.add_subplot(111) new_plot.plot(x, y)

在这里，您开始使用plt命名空间中的便捷方法实例化图形，然后仅使用面向对象的接口。

可以绕过plt便捷方法（ matplotlib.figure.Figure ），但您必须调整图形以获得更好的交互体验（毕竟，这是一种便捷方法）。

个人推荐

我建议在交互式会话的上下文中使用裸plt.plot 、 plt.scatter ，可能使用IPython及其%matplotlib魔术命令，以及在探索性 Jupyter 笔记本的上下文中。

另一方面，面向对象的方法，加上一些plt方便的方法，是要走的路

• 如果您有一个永久性问题需要通过精心调整的子图的定制排列来一劳永逸，
• 如果您想将 Matplotlib 嵌入您编写的程序的 UI 中。

在这些极端之间有一个很大的灰色区域，如果你问我该怎么做，我只会说“这取决于” ......