matplotlib 知识点整理：ax与figure

1 axis与figure

我们可以把figure看成一个大的画布；ax（axis）看成是画布中的一块区域

1.1 plt.figure()

matplotlib.pyplot.figure(
    figsize=None, 
    dpi=None, 
    facecolor=None, 
    edgecolor=None, 
    frameon=True, 
    clear=False, 
    **kwargs)

1.1.1 参数说明

参数名称	参数说明
figsize	(float,float)，画布尺寸 ，默认为6.4*4.8
dpi	int 分辨率，默认为100
facecolor	背景色，默认为白色（'w'）
edgecolor	边界颜色，默认为白色（'w')
frameon	bool，是否有边界，默认为True
clear	bool，是否对存在的画布进行清楚，默认为False（即自动创建新画布）

 1.2 两种创建figure(画布)的方式

1.2.1 显式创建 figure 对象

plt.figure()

1.2.2 隐式创建 figure 对象

        当第一次执行 plt.xxx()画图代码时，系统会去判断是否已经有了 figure 对象，如果没有，系统会自动创建一个 figure 对象，并且在这个 figure 之上，自动创建一个 axes 坐标系(注意：默认创建一个 figure 对象，一个 axes 坐标系)

        也就是说，如果我们不设置 figure 对象，那么一个 figure 对象上，只能有一个 axes 坐标系，

即我们只能绘制一个图形

1.2.3 隐式创建 figure 对象的优劣

• 优势：如果只是绘制一个小图形，那么直接使用 plt.xxx()的方式，会自动帮我们创建一个 figure 对象和一个 axes 坐标系，这个图形最终就是绘制在这个 axes 坐标系之上的。
• 劣势：如果我们想要在一个 figure 对象上，绘制多个图形，那么我们就必须拿到每个个 axes
  对象，然后调用每个位置上的 axes 对象。但如果 figure 对象是被默认创建的，那么我们根本拿不到 axes 对象。也就是说， 隐式创建没法绘制多个图形

2 plt.plot()与ax.plot()

 如果不考虑子图的话，plt.plot()效果和ax.plot()一致

 plt.plot()相当于生成了一个figure画布，然后在画布上隐式生成一个画图区域进行画图

ax.plot()相当于同时生成了figure和axis两个对象，然后在ax对象的区域内画图

一个 figure( 画布 ) 上，可以有多个区域 axes( 坐标系 ) ，我们在每个坐标系上绘图，也就是说每

个 axes( 坐标系 ) 中，都有一个 axis( 坐标轴 ) 。

3 subplot

import matplotlib.pyplot as plt

fig,ax=plt.subplots(2,1)

fig,ax

 

可以看到，一个画布，两个子图区域

import matplotlib.pyplot as plt

fig,ax=plt.subplots(1,2)

ax[0].plot([1,2,3],[4,5,6])
ax[1].scatter([1,2,3],[4,5,6])

 

后面的这些ax.set_XXX的指令，方式类似于plt.XXX

• plt.xlabel() → ax.set_xlabel()

• plt.ylabel() → ax.set_ylabel()

• plt.xlim() → ax.set_xlim()

• plt.ylim() → ax.set_ylim()

• plt.title() → ax.set_title()

3.1 设置子图标题

set_title 函数

import matplotlib.pyplot as plt

fig,ax=plt.subplots(1,2)

ax[0].plot([1,2,3],[4,5,6])
ax[0].set_title('plot')
ax[1].scatter([1,2,3],[4,5,6])

 3.2 设置子图周围的间距

 默认情况下，会在子图的外部和子图之间留出一定间距，这个间距是根据图的高度和宽度调整的，

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

---

---

import matplotlib.pyplot as plt

fig,ax=plt.subplots(1,2)

ax[0].plot([1,2,3],[4,5,6])
ax[1].scatter([1,2,3],[4,5,6])
plt.subplots_adjust(wspace=1)

3.3 设置子图范围

ax.set_ylim(...)

3.4 设置legend

3.4.1 一个子图一个legend

import matplotlib.pyplot as plt

fig,ax=plt.subplots(1,2)

ax[0].plot([4,5,6])
ax[0].plot([4,5.1,3.5])
ax[1].plot([4,15,26])
ax[1].plot([4,-5.1,-3.5])
ax[0].legend(['a','b'])
ax[1].legend(['c','d'])

3.4.2 共用一个legend

import matplotlib.pyplot as plt

fig,ax=plt.subplots(1,2)

ax[0].plot([4,5,6])
ax[0].plot([4,5.1,3.5])
ax[1].plot([4,15,26])
ax[1].plot([4,-5.1,-3.5])
fig.legend(['a','b'])

3.5 sharex ，sharey

各子图 x轴y轴共享坐标轴

import matplotlib.pyplot as plt

fig,ax=plt.subplots(1,2,sharex=True,sharey=True)

ax[0].plot([4,5,6])
ax[0].plot([4,5.1,3.5])
ax[1].plot([4,15,26])
ax[1].plot([4,-5.1,-3.5])
fig.legend(['a','b'])

3.6 设置 x,y 坐标内容

xticks+xticklabels 联合使用

y同理

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4]
y_values = [10, 15, 7, 12]

fig, ax = plt.subplots(1,2)
ax[0].plot(x_values, y_values)

# Set custom tick labels for the x-axis
custom_labels = ['Label 1', 'Label 2', 'Label 3', 'Label 4']
ax[0].set_xticks(x_values)
ax[0].set_xticklabels(custom_labels)
#一个x value 对应一个custom label

ax[0].set_yticks([0,5,10,15])
ax[0].set_yticklabels(['low','medium','high','very high'])

 3.7 设置x，y表示

set_xlabel

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4]
y_values = [10, 15, 7, 12]

fig, ax = plt.subplots(1,2)
ax[0].plot(x_values, y_values)

ax[1].set_xlabel('x in plt2')

3.8 统一接口：ax.set

import matplotlib.pyplot as plt

x_values = [1, 2, 3, 4]
y_values = [10, 15, 7, 12]

fig, ax = plt.subplots(1,2)
ax[0].plot(x_values, y_values)

ax[0].set(yticks=[0,5,10,15],
         yticklabels=['low','medium','high','very high'],
         xlim=[-2,4])
ax[1].set(xlabel='x in plt2',
         title='subplot 2')