python打开figure对象_Matplotlib：使用figure对象初始化p

首先，您需要了解一点matplotlib的体系结构(请参阅here以获取创始人和当前主要开发人员的一篇长文章)。在backend层的底部，处理渲染和与硬件的对话。在这个层的顶部是artists，它知道如何通过告诉backend对象该做什么来绘制它们。在该层的顶部是pyplotstate machine接口，它模拟MATLAB。

在图形中看到的所有内容在内部都表示为Artist，艺术家可以包含其他艺术家。例如，Axes对象跟踪它的子对象Artists，这些子对象是Figure对象的子对象，这些子对象是轴、尖刺、标记、线或图像等。当你告诉一个图形自己绘制(通过fig.canvas.draw())时，所有的子艺术家都是递归绘制的。

这种设计的一个退步是，Artist的给定实例化可以正好在一个图中(并且在图之间移动它们很困难)，因此您不能生成一个AxesImage对象，然后继续重用它。

这种设计还分离了Artists所知道的内容。Axes对象知道诸如记号位置、标签和显示范围之类的内容(它通过了解Axis对象来实现这一点，但这一点正在变得更加复杂)。像vmin和vmax这样的东西被封装在Normalize(doc)对象中，由AxesImage跟踪。这意味着你需要把处理清单上所有事情的方式分开。

我建议要么在这里用工厂的样式，要么用咖喱的样式

工厂式：def set_up_axes(some, arguements):

'''

Factory to make configured axes (

'''

fig, ax = plt.subplots(1, 1) # or what ever layout you want

ax.set_*(...)

return fig, ax

my_norm = matplotlib.colors.Normalize(vmin, mmax) # or write a factory to do fancier stuff

fig, ax = set_up_axes(...)

ax.imshow(..., norm=my_norm)

fig2, ax2 = set_up_axes(...)

ax2.imshow(..., norm=mynorm)

您可以将一整套Kwarg包装起来，以方便重复使用：my_imshow_args = {'extent':[...],

'interpolation':'nearest',

'norm': my_norm,

...}

ax2.imshow(..., **my_imshow_args)

咖喱味：def my_imshow(im, ax=None, *args, **kwargs):

if ax is None:

ax = plt.gca()

# do all of your axes set up

ax.set_xlim(..)

# set default vmin and vmax

# you can drop some of these conditionals if you don't want to be

# able to explicitly override the defaults

if 'norm' not in kwargs:

vmin = kwargs.pop('vmin', None)

vmax = kwargs.pop('vmax', None)

if vmin is None:

vmin = default_vmin # or what ever

if vmax is None:

vmax = default_vmax

my_norm = matplotlib.colors.Normalize(vmin, mmax)

kwargs['norm'] = norm

# add a similar block for `extent`

# or any other kwargs you want to change the default of

ax.figure.canvas.draw() # if you want to force a re-draw

return ax.imshow(im, *args, **kwargs)

如果你想变得超级聪明，你可以用你的版本修补plt.imshowplt.imshow = my_imshow

还有一个rcParams接口，它允许您以全局方式更改matplotlib的许多位和片段的默认值。

以及yet another实现这一点的方法(通过partial)