【Python绘图】matplotlib：先搞明⽩plt.ax.fig再画
我这个傻⼦的matplotlib学习过程很神奇：
刚开始，⼏个教程，呕吼，简单，plt.*** ⼀顿写。画完了。遇到坐标啊之类的细节不会调？
打开⾕哥，要啥搜啥。
我最开始觉得这样蛮好的，这是⼀个很容易学的lib嘛。
然后问题出现了，matplotlib最烦⼈的地⽅就是，同样⼀个⽬标，你可以有N种不同的⽅法去实现他。⽐如说哦，加标题：
plt.set_title() 可以吧。
ax.title.set_text('title') 也可以吧。
ax.set_title()也可以啊。
所以到底要⽤哪个？?
当你在⽹上搜索答案的时候，你会遇到各种实现的⽅法，如果你只是单纯的把到的答案copypaste，那总有⼀天你会和我⼀样崩溃。感觉⾃⼰就是个没有⾕哥就不会画图的傻⼦。。。
所以，如果你：
学习matplotlib的时候是从标题类似于"五分钟教你matplotlib画图” 这种教程开始的
起码知道这⼀句 'import matplotlib.pyplot as plt'
遇到稍微复杂的细节就要⼀顿查，遇到修改xy坐标，名称，等等就头⼤
打开matplotlib的官⽅指南，不⽌⼀次，但是⼀脸懵逼
在这⼏个词 figure, axes, axis 在matplotlib出现时就⼀脸完了的表情
那么你不是⼀个⼈。我⼀直和你在⼀起。
所以这份指南是⽤来（尝试）解决这个问题的。我们花短短的时间，来从根本上了解⼀下matplotlib的架构，各种名词是什么意思，⼀个正常的画图程序是什么。
plt.***和ax.***的区别
我认为所有不先讲清楚plt.***和ax.*** 两种画图⽅式的区别的教程都是耍流氓。⼀上来就告诉你，plt.figure(), plt.plot(), plt.show()，这么画就对了的，都是不负责任的表现！
在matplotlib中，有两种画图⽅式：
plt.figure()： plt.***系列。通过来画图，其实是取了⼀个捷径。这是通过matplotlib提供的⼀个api，这个plt提供了很多基本的function可以让你很快的画出图来，但是如果你想要更细致的精调，就要使⽤另外⼀种⽅法。
plt.figure(1)
plt.subplot(211)
plt.plot(A,B)
plt.show()
fig, ax = plt.subplots(): 这个就是正统的稍微复杂⼀点的画图⽅法了。指定figure和axes，然后对axes单独操作。等下就讲
figure和axes都神马意思。
fig, ax = plt.subplots()
ax.plot(A,B)
⼤部分的新⼿教程，都是以开始的。我个⼈认为这不是⼀个很好的⽅式。的确, 简单易懂上⼿快，但是plt把matplotlib的结构看成⼀个blackbox，新⼿在不知道这个lib到底是如何运作的情况下以为⾃⼰上⼿了，可是当你需要细调你的图的时候，你就发现你完全不明⽩⽹上的⼈为什么要⽤， 为什么还有其他那么多种⽅式来加题⽬。这样的学习过程是⾮常不利于长期发展的。
因此，从我这个傻⼦的经验，我强烈建议在初学matplotlib的时候，尽量避免使⽤系列。当你明⽩figure/axes/axis都是控制什么的时候，如果你想要简单的制作⼀个quick and dirty的图，⽤才是OK。
名词解释 in matplotlib
matplotlib的名词定于对于⾮英语母语的⼈来说实在是太不友好了。尤其是axes。仰天长啸。
从官⽅借了个图
Figure fig = plt.figure(): 可以解释为画布。
画图的第⼀件事，就是创建⼀个画布figure，然后在这个画布上加各种元素。
Axes ax = fig.add_subplot(1,1,1): 不想定义，没法定义，就叫他axes！
⾸先，这个不是你画图的xy坐标抽！
希望当初写这个lib的时候他们⽤⼀个更好的名字。。。
python新手代码画图可以把axes理解为你要放到画布上的各个物体。⽐如你要画⼀个太阳，⼀个房⼦，⼀个车在画布上，那么太阳是⼀个axes，房⼦是⼀个axes，etc。
如果你的figure只有⼀张图，那么你只有⼀个axes。如果你的figure有subplot，那么每⼀个subplot就是⼀个axes
axes是matlibplot的宇宙中⼼！axes下可以修改编辑的变量⾮常多，基本上能包含你的所有需求。
Axis ax.xaxis/ax.yaxis: 对，这才是你的xy坐标轴。
每个坐标轴实际上也是由竖线和数字组成的，每⼀个竖线其实也是⼀个axis的subplot，因此ax.xaxis也存在axes这个对象。对这个axes进⾏编辑就会修改xaxis图像上的表现。
图像的各个部位名称
再从使⽤指南  借个图。每个部分的名称指南，这样当你想修改⼀个部位的时候，起码知道关键字啊。
⼀步⼀步来，⽤传统⽅法画个图
下⾯就是实战。⽤调取ax的⽅式来画个图。不要⽤plt！！
Import library and data for ploting
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
A = np.arange(1,5)
B = A**2
C = A**3
⾸先，搞个画布
我喜欢⽤这个命令来开始画图。哪怕你没有subplot，也可以⽤这个subplots来创建⼀个画布。
如果你有两个图，那么ax是⼀个有两个元素ax[0],ax[1] 的list。ax[0]就对应第⼀个subplot的ax。
fig, ax = plt.subplots(figsize=(14,7))
# fig, ax = plt.subplots(2,1,figsize(14,7))
# ax[0].***
# ax[1].***
好了画布搞好了，画数据。
注意，我们这⾥依然不使⽤plt！因为我们要在这个axes上画数据，因此就⽤ax.plot()来画。画完第⼀个再call⼀次，再画第⼆个。
ax.plot(A,B)
ax.plot(B,A)
下⾯开始细节的处理
数据画好了就可以各种细调坐标轴啊，tick啊之类的。
⾸先把标题和xy坐标轴的标题搞定。Again, 不⽤plt。直接在axes上进⾏设定。
ax.set_title('Title',fontsize=18)
ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')
ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')
ax.legend()
然后是xy坐标轴的⼀些属性设定, 也是在axes level上完成的
ax.set_aspect('equal')
ax.minorticks_on()
ax.set_xlim(0,16)
最后是坐标轴tick和细节，这个在axes.xaxis or axes.yaxis上完成。
ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w')
start, end = ax.get_xlim()
ax.xaxis.set_ticks(np.arange(start, end,1))
ax.yaxis.tick_right()
这样⼀个丑陋的基本图的绘画和编辑就完成了。如果有⼀些其他的细节调整，在搜索的时候，尽量选择不⽤plt的答案。原则上来说，plt和ax画图两者是可以互相转换的，然⽽转换过程让你的代码更复杂，有时还会产⽣难以理解的bug。因此画图的时候，请坚持使⽤⼀种格式。
搞定，吃饭去。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。