matplotlib 使用简明教程（五）-画布、图表、元素基础操作

通过 plt 库进行画布（figure）相关操作

创建一个新的画布或引用一个已有的画布

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, clear=False) 重要参数包括：

• num：Figure 的编号，可选。如果这个 num 的 figure 已经存在，那么激活这个 figure 并引用，否则生成一个新的 figure
• figsize：设置画布的尺寸，默认 [6.4, 4.8]，单位英寸
• dpi：分辨率，默认 100
• facecolor：背景颜色
• edgecolor：边线颜色
• clear：如果 num 代表的 figure 已经存在，是否要将这个画布清空

更新当前的画布（figure）

plt.draw()

对于支持交互类型（interactive model）的 backend，如果已经开启了交互类型（ion()），则不需要每次调用。

绘制画布（figure）

plt.show()

绘制画布，对于支持交互类型的 backend，没有作用；对于非交互类型（non-interactive model）的 backend，则立即显示画布，直至画布被关闭。

将画布保存成文件

plt.savefig(fname, dpi=None, facecolor='w', edgecolor='w', orientation='portrait', papertype=None, format=None, transparent=False, metadata=None)

重要参数包括：

• fname：一个文件路径或者一个 file 类型的对象
• dpi：分辨率，一个整数或者 ‘figure’ 指定使用 figure 的分辨率
• facecolor：背景颜色
• edgecolor：边线颜色
• orientation：方向，‘landscape’ 或 ‘portrait’
• papertype：纸张类型，‘letter’, ‘legal’, ‘executive’, ‘ledger’, ‘a0’ 到 ‘a10’, ‘b0’ 到 ‘b10’
• format：格式，可能是 ‘png’，‘pdf’，‘ps’，‘eps’，‘svg’ 等，具体取决于当前 backend 所支持的格式
• transparent：是否透明
• metadata：一些参数，kv 格式的参数
  • ‘png’ 类型支持的参数见 这里
  • ‘pdf’ 类型支持的参数见 这里
  • ‘eps’ 或 ‘ps’ 支持 ‘Creator’ 参数

清除当前的画布（figure）

plt.clf()

关闭某个画布

plt.close()

参数可以是：

• 空，即关闭当前画布
• Figure 实例
• 整数，Figure 编号
• 字符串，Figure 名称
• ‘all’，所有画布

获取画布信息：

作用	函数
获取当前的画布（figure）	plt.gcf()
返回当前所有画布的标签列表	plt.get_figlabels()
返回当前所有画布的编号	plt.get_fignums()

为画布（Figure）添加标题

plt.suptitle(t, **kwargs)

重要参数说明：

• t：标题内容
• x，y：坐标位置，默认 x = 0.5，y = 0.98
• ha：水平对齐方式，‘center’, ‘left’, ‘right’
• va：竖直对齐方式，‘top’, ‘center’, ‘bottom’, ‘baseline’

使用建议

matplotlib.figure.Figure 就是 matplotlib 的画布类，通过这个类的对象其实可以完成 plt 中封装的画布相关的所有功能。
感兴趣的朋友可以通过 https://matplotlib.org/api/_as_gen/matplotlib.figure.Figure.html#matplotlib.figure.Figure 来了解详情。但是为了突出“实用”，减少学习成本，建议还是主要通过 plt 来操作画布，唯一需要解决的问题就是如何切换当前画布，如下举例说明：

>>> f1 = plt.figure() # 创建画布 1
>>> f2 = plt.figure() # 创建画布 2
>>> f3 = plt.figure() # 创建画布 3
>>> f3 == plt.gcf() # 当前画布是 f3
True
>>> plt.get_fignums() # 获取画布编号列表
[1, 2, 3]
>>> f = plt.figure(num = 1) # 通过 figure(num = 编号) 引用编号为 1 的画布
>>> f1 == f # f1 和 f 指向了同一 Figure 对象
True
>>> f1 == plt.gcf() # 当前画布已经切换成了 f1
True

通过 plt 库进行多图表操作

plt.subplot()

将画布（Figure）分割成若干块，并选择其中的一块作为绘制的区域。有两种基本调用方式：

• subplot(行, 列, 序号) 其中的行、列即行数和列数，序号从左上角开始向右再向下，起始于 1
• subplot(位置信息) 一个三位数，三位的含义分别为行、列、序号

其他参数：

• sharex, sharey：Axes 对象，是否要和这个 Axes 共享 x 或 y 轴
• label：为返回的 label 添加标签

plt.subplot2grid(shape, loc, rowspan=1, colspan=1, fig=None, **kwargs)

将画布（Figure）分割成特定的 MxN 的若干小格，并指定其中某些格子作为绘制的区域。重要参数说明：

• shape：一个元组，画布分割的方式，第一个是行数，第二个列数
• loc：一个元组，指定绘制区域的左上角微智，第一个是行数，第二个是列数
• rowspan：向右扩展的格子数量
• colspan：向下扩展的格子数量

plt.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

创建一个画布（Figure）和一系列的子图表，重要参数说明：

• nrows, ncols：子图表的的行数和列数
• sharex， sharey：是否共享 x 或 y 轴，可选参数包括：
  • True 或 ‘all’：所有的子图表共享坐标
  • False 或 ‘none’：所有的子图表独立
  • ‘row’：每行的子图表共享坐标
  • ‘col’：每列的子图表共享坐标
• squeeze：是否根据画布的分割情况调整返回数据的格式，默认（False）返回一个二维数组，如果勾选该选项为（True），则 1x1 的会返回一个单独的变量，Nx1 和 1xM 会返回一个一维数组
• num：设置返回画布（figure）的编号

返回值包括：

• fig：返回的画布（Figure）
• ax：返回的子图表变量或列表

plt.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

调整子图表的一些布局：

• left，right，bottom，top：子图表到画布边缘的间隙
• wspace，hspzce：子图表之间的间隙的宽度、高度

plt.twinx(ax=None) 和 plt.twiny(ax=None)

创建一个共用 x 或 y 轴的图表，新的图表会叠加在 ax 上（如果 ax 为 None 即叠加到当前的图表上），新图表的 y 或 x 轴 会放在右侧或顶部

图表（Axes）基本操作

向当前画布添加图表，并作为当前的图表

plt.axes(arg=None, **kwargs)

调用方式：

plt.axes()
plt.axes(rect, projection=None, **kwargs)
plt.axes(ax)

重要参数说明：

• arg：定义了具体行为，可选值为：
  • None：等价于 plt.subplot(111, **kwargs)
  • 数组：格式为 [左, 下, 宽, 高]，说明图表的位置和大小，使用归一化的实数
  • Axes 对象：设置当前图表为该图表
• sharex，sharey：是否共用 x 或 y 轴
• label：设置图表的标签
• projection：指定投影类型，可选，可以是’aitoff’, ‘hammer’, ‘lambert’, ‘mollweide’, ‘polar’, ‘rectilinear’ 或者自定义字符串

获取当前画布中的图表列表

plt.gca(**kwargs) 获取当前画布中的图表列表，如果设置了 kwargs，则根据这些参数进行过滤。如果过滤结果为空，那么就创建一个符合条件的图表并返回

重设当前图表

plt.sca(ax) 设置当前图表为 ax，并把 ax 所属的画布设为当前画布

删除图表

plt.delaxes(ax = None) 如果参数为空，删除当前图表，否则删除 ax 定义的图表

系列文章：

matplotlib 使用简明教程（一）-基础概念：
https://blog.csdn.net/fenghuizhidao/article/details/79352882
matplotlib 使用简明教程（二）-常用图表
https://blog.csdn.net/fenghuizhidao/article/details/83090043
matplotlib 使用简明教程（三）-一些专业图表简介
https://blog.csdn.net/fenghuizhidao/article/details/83090165
matplotlib 使用简明教程（四）-辅助性元件
https://blog.csdn.net/fenghuizhidao/article/details/83090249
matplotlib 使用简明教程（五）-画布、图表、元素基础操作
https://blog.csdn.net/fenghuizhidao/article/details/83090320
matplotlib 使用简明教程（六）-图像、动画相关
https://blog.csdn.net/fenghuizhidao/article/details/83090512
matplotlib 使用简明教程（七）-样式定义
https://blog.csdn.net/fenghuizhidao/article/details/83090553