python可视化——图形系统知识点整理

---

python拥有强大的matplotlib可视化库，内容过于丰富，恕不能一一整理。
这篇推文里cd我整理三个比较基础的问题：

1. python可视化中pylab库与pyplot的关系
2. 函数式绘图与对象式绘图（主要）
3. Axes对象与subplot对象的关系

---

1. python可视化中pylab库与pyplot的关系

用python绘图时，经常会看到一些绘图案例。这些例子中是导入绘图库大约有这三种：

1. import pylab as plt
2. import matplotlib.pylab as plt
3. import matplotlib.pyplot as plt

这些例子嘛后面就都用plt.XXX一顿操作，然后运行起来么也都丝般顺滑（cd我因为懒用的都是第一种），所以，这三种方式到底有什么区别？

对于1和2，其实没差别，因为我翻看了一下pylab库的源码，显示如下：

from matplotlib.pylab import *
import matplotlib.pylab
__doc__ = matplotlib.pylab.__doc__

那么对于pylab与pyplot的关系呢？cd我查找一波，发现解答：

pyplot：“方便快速绘图，matplotlib通过pyplot模块提供了一套和MATLAB类似的绘图API，将众多绘图对象所构成的复杂结构隐藏在这套API内部。”
pylab：“pylab包括了许多NumPy和pyplot模块中常用的函数，方便用户快速进行计算和绘图，十分适合在IPython交互式环境中使用。”

综上：三种方式关系为1=2>3（这个大于号不是很严谨，但对于一般操作而言均成立）。意思就是说pylab结合了pyplot和numpy，对交互式使用来说比较方便，既可以画图又可以进行简单的计算。但是，对于一个项目来说，建议分别倒入使用，就是分别导入matplotlib.pyplot和numpy。

附matplotlib的资料：
http://matplotlib.org/Matplotlib.pdf （Matplotlib.pdf）

---

2. 函数式绘图与对象式绘图（主要）

2.1 函数式作图

大家都知道MATLAB语言是面向过程的。在可视化过程中MATLAB利用函数的调用，轻松的利用各种函数命令来绘制直线，然后再用一系列其他函数调整结果。Python的matplotlib库中也提供这样的绘图接口，直接调用matplotlib.pyplot或者pylab就可以实现。
函数式调用很方便。但是matplotlib本质上还是构建对象来构建图像。函数式编程将构建对象的过程封装在函数中，从而让我们觉得很方便。
对于单一图像绘制或者简单效果的实现，这种函数式作图是一种值得推荐的操作方式。

2.2 对象式作图

但是其实很多时候，使用函数式作图时，我们非明白真正作图的实现过程，如果希望能够更好理解python可视化，对象式作图将是一个更好的习惯。

首先我们需要了解一下图像的构成。下面以一张‘五脏俱全’的图像为例。

上图是我特地截图保留下来的，是为了说明，所有axes/subplot都是画在figure上的。
另外如下图：

就是说，figure1是由上图所示的（1-figure/画布）和（2-axes/subplot）构成。我们所有所绘制的图形都是在1-画布上实现的。需要注意的是，我们平时用savefig()保存