1.axes subplot axis
先说第一个疑惑 Axes - Subplot - Axis 之间到底是个什么关系?
因为我是努力在看英文的教程,所以刚开始对axes和axis是基本搞不清的,一个是轴的复数,一个是轴,好像设定图像属性的时候经常用axes,具体到某个坐标轴的时候才会用axis。然后教程还说,subplot和axes基本就是一个意思。真是坑坑坑。。。
扛不住,翻了翻中文教程,好像有的教程就直接把axes翻译成子图了,好像这个世界就压根没有subplot和axes的区别。。看了半天,其实我还是觉得axes翻译成轴域比较贴切,下面就结合后来看到的各种教程来讲讲自己最后的理解。
1.1 先明确Figure的概念
import numpy as np
import matplotlib.pyplot as plt
fig = plt.figure()
plt.show()
我们先理清figure的概念。用画板和画纸来做比喻的话,figure就好像是画板,是画纸的载体,但是具体画画等操作是在画纸上完成的。在pyplot中,画纸的概念对应的就是Axes/Subplot。
fig = plt.figure()
ax = fig.add_subplot(111)
ax.set(xlim=[0.5, 4.5], ylim=[-2, 8], title='An Example Axes', ylabel='Y-Axis', xlabel='X-Axis')
plt.show()
所以就算我们只有一个子图,我们也可以生成一个subplot,然后来在对这个subplot对象进行各种轴、标注、刻度等的设定。
1.2 Axes 和 Subplot 的概念上细微的区别
fig = plt.figure()
ax1 = fig.add_subplot(211)
ax2 = fig.add_subplot(212)
print type(ax1)
plt.show()
第一个例子是用subplot()方法。
subplot()方法很好理解。里面传入的三个数字,前两个数字代表要生成几行几列的子图矩阵,底单个数字代表选中的子图位置。这个例子中我们生成了2行1列的子图矩阵。可以分别在两个subplot中画图。
fig = plt.figure()
ax3 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax4 = fig.add_axes([0.72, 0.72, 0.16, 0.16])
print type(ax3) plt.show()
第二个例子是用add_axes()方法。
我觉得轴域(Axes)的感念确实可以先理解成一些轴(Axis)的集合,当然这个集合还有很多轴(Axis)的属性,标注等等。我们用add_axes()方法生成一个轴域(Axes),括号里面的值前两个是轴域原点坐标(从左下角计算的),后两个是显示坐标轴的长度。当我们生成了轴域的时候,从结果上看确实是生成了一个可以画图的子图。我们可以分别在两个轴域(Axes)中画图。
对比两种方法,两种对象,我们可以总结总结:
- 两种对象确实是“你中有我,我中有你”的关系,生成子图(subplot)的时候,必然带着所谓的一套轴域(Axes)。而用轴域(Axes)方法,客观上就是生成了一个可以画图的子图。
- add_subplot()方法在生成子图过程,简单明了,而用add_axes()方法,则生成子图的灵活性更强,完全可以实现add_subplot()方法的功能,可以控制子图显示位置,甚至实现相互重叠的效果。例如:
2 Axes方法与pyplot函数
用野路子法,也就是直接看代码,不懂的就查文档,看别人的代码的时候,图像的的各种特性经常用两套方法实现,对学习过真是毁灭性打击。所以遇到模仿的瓶颈的时候,还是要找些教程看看。这里基本照搬翻译,https://github.com/matplotlib/AnatomyOfMatplotlib 教程中的Part1的 Axes methods vs. pyplot 一节。
plt.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3)
plt.xlim(0.5, 4.5)
plt.show()
fig = plt.figure()
ax = fig.add_subplot(111)
print type(ax)
ax.plot([1, 2, 3, 4], [10, 20, 25, 30], color='lightblue', linewidth=3) ax.set_xlim(0.5, 4.5)
plt.show()
本次画图涉及到的两步操作,画图和设定x轴的显示范围,分别用前后两种方法实现。
第一种,调用了pyplot中的 plot() 函数和 xlim() 函数,
第二种,使用了生成的Subplot对象的两种方法 .plot 和 .set_xlim方法。
实际上,实现整个画图过程可以用两套工具来分别实现,其实这也是贯穿整个python编程的两种思路,函数式编程和对象式编程。我们在这里可以比较一下两套工具的优缺点:
- 以 plot() 为代表的函数式操作,表达简洁,但是没有体现出真正画图的实现过程,例如甚至当没有搞清楚Figure Axes Subplot 等概念的时候,依然可以轻松的用pyplot函数画图。当子图较多的时候,对子图的操作容易陷入混乱,因为从代码上并不能字节观察出到底在操作那张子图。
- 以 .plot 为代表的对象式操作,表达明确,分步生成 Figure 和 Axes/Subplot,操作过程直接可以看出是在那张子图上操作。但是缺点就是,需要写的代码比较多,不够简洁。
这里要吐槽一下我看的这个教程,作者提出了在 PEP20 中,“Python之道”(The Zen of Python)提到了“明了胜于晦涩”(Explicit is better than implicit),所以作者在整个教程中都是使用了对象式的方法。但是其实”Python之道“的下一句就是“简洁胜于复杂”(Complex is better than complicated)。
所以,还是看你的使用场景,假如不需要画子图的时候,用一用简单的pyplot方法也没什么不好。但是初学者最好还是能够坚持先使用Axes对象属性的方法,这样对于画图的实现过程可以加深理解。
参考资料:
- https://github.com/matplotlib/AnatomyOfMatplotlibgithub上的教程
- https://www.datacamp.com/community/tutorials/matplotlib-tutorial-python#gs.alh6j1c Datacamp中带运行环境的教程
other:
解释一:
可以把fig想象成windows的桌面,你可以有好几个桌面。然后axes就是桌面上的图标,subplot也是图标,他们的区别在:axes是自由摆放的图标,甚至可以相互重叠,而subplot是“自动对齐到网格”。但他们本质上都是图标,也就是说subplot内部其实也是调用的axes,只不过规范了各个axes的排列罢了。
解释二:
matplotlib 是从MATLAB启发而创建的,这俩的命令几乎一模一样,所以概念基本完全相同,既然python教程看的那么麻烦,何不看看MATLAB官方文档,给你解释的明明白白的还附带一堆例子。
- Axes (笛卡尔坐标区):
创建笛卡尔坐标区 - MATLAB axes - MathWorks 中国ww2.mathworks.cn
- Axis (坐标轴)
设置坐标轴范围和纵横比 - MATLAB axis - MathWorks 中国ww2.mathworks.cn
- Subplot (子图)
在平铺位置创建坐标区 - MATLAB subplot - MathWorks 中国ww2.mathworks.cn
- Plot (线图)
二维线图 - MATLAB plot - MathWorks 中国ww2.mathworks.cn
- Figure (图窗)
创建图窗窗口 - MATLAB figure - MathWorks 中国ww2.mathworks.cn
解释三:
axes这个单词是ax的复数形式啊!也就是说最高赞的那张图其实是有点问题的,真正的含义应该是所以我的结论是figure/fig 空白画布ax 单个坐标系 / axes 复数坐标系axis 坐标轴subplot,直译就是子图,由于有前面的文档说明,所以我理解的是 ax + 对应的那部分fig