matplotlib中pyplot与axes的关系详解

引言：matplotlib核心概念梳理

近期在探索数据可视化领域，对pandas绘图、matplotlib核心机制、pyplot（即plt）以及axes等关键概念进行了系统梳理。

需明确三个核心要点：第一，axes并非axis；第二，axes不是axis；第三，axes不是axis。同时强调：pyplot是接口而非对象；pyplot是接口而非对象；pyplot是接口而非对象。

pyplot接口的本质与功能

许多教程开篇即展示import matplotlib.pypltot as plt并直接教授plt.xxx()的使用。这种写法虽无错误，但plt本质上只是一个interface（接口），甚至算不上一个完整的对象（回顾可知，用户从未实例化过名为plt类型的对象）。这种设计给对面向对象编程尚不熟悉的初学者带来了诸多困惑。plt接口的核心意义在于：

• 允许用户通过接口直接进行绘图（此时可将该接口视为黑盒，无需关注内部具体的对象类型）。
• 允许用户通过接口实例化其他类型的对象（例如figure类型或axes类型等）。

方法一：通过plt直接绘图

1. 通过plt.xxx()直接进行绘图操作。

正如各类教程和书籍中的常规操作所示，我们可以利用plt.plot()、plt.bar()等函数绘制不同类型的图表（部分常用函数总结如下表）。

表一：plt中用于绘图的部分函数列表。

我们可以利用plt提供的其他函数来设置图表标题等属性（部分常用设置函数总结如下表）。

表二：plt中用于设置的部分函数列表。

（具体的参数说明和用法详情，请参阅 https://matplotlib.org/api/pyplot_summary.html ）。

使用plt进行绘图既便捷，也是其最令人困惑之处，因为它缺乏显性的对象标识。我们甚至可以在调用pandas绘图后，利用表二中的plt函数对pandas生成的图表进行后续设置。

具体例程如下：

import matplotlib.pyplot as plt
from pandas import Series
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017'])
#注意下一行的对象是'data'，它是一个series对象，调用的是pandas绘图函数
data.plot(label='income', color = 'r', linestyle=':', marker = 's')#具体的pandas绘图之后会细讲
#但接下来我们甚至可以调用plt的函数对它进行设置
plt.title('Income chart')
plt.xlabel('Year')
plt.ylabel('income')
plt.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))
plt.show()

上述示例展示了pyplot(plt)的特点：无需指定具体对象即可进行绘图和设置。当程序中图表数量较少时，这种方式十分便捷；然而，当同一程序中图表较多时，这种缺乏显性对象的方式会导致无法重新调用之前的图表（因为缺少对象名），且容易给人带来不稳定的感觉。

方法二：实例化figure与axes对象

2. 实例化figure和axes对象后进行绘图。

如前文所述，plt仅是一个接口，并非对象。在matplotlib中，存在两个重要的对象类型：figure对象可视为一张空白图纸，在其上可以绘制一个或多个axes对象（以及其他辅助对象）。axes对象则是图像的主要组成部分（包含了图线、xy轴等元素）。我们可以使用plt接口生成figure对象和axes对象，随后对axes对象调用相应方法来实现绘图和设置。总体思路如下：

1. 第一步，实例化figure对象。
2. 第二步，实例化axes对象。
3. 第三步，对axes对象调用方法进行绘图和设置。

具体例程如下：

import matplotlib.pyplot as plt
from pandas import Series
data = Series([1.47,1.62,1.78,1.94,2.38,2.60],index=['2012','2013','2014','2015','2016','2017'])
#调用plt接口，实例化figure1对象
figure1 = plt.figure(facecolor='w')#faceclolr设置背景颜色
#实例化ax1对象
ax1 = figure1.add_subplot(111)#ax1是figure1的第1行第一列的第1张图表
#注意下一行的对象是'ax1'，它是一个axes对象，调用的是matplotlib.axes绘图函数
ax1.plot(data,label='income', color = 'r', linestyle=':', marker = 's')
#接下来我们调用ax1的方法对它进行设置
ax1.set_title('Income chart')
ax1.set_xlabel('Year')
ax1.set_ylabel('income')
ax1.annotate('Largest point',xy=(5,2.60),xytext=(3,2.5), arrowprops=dict(arrowstyle='->'))

采用这种方式绘制的图表，每个对象都拥有独立的名称，便于后续继续调用和修改。虽然代码增加了两行实例化语句，但并未显著增加复杂度。个人更倾向于使用这种方式绘图（同时也给人一种更加稳妥的感觉）。

plt与axes函数对比分析

类比前述表一和表二，现给出针对axes对象的方法函数对照表：

表三：axes对象用于绘图的部分方法函数列表。

表四：axes对象中用于设置的部分方法函数列表。

（具体的参数说明和用法详情，请参阅 https://matplotlib.org/api/axes_api.html ）。

请注意对比表一与表三、表二与表四的异同点：

1. 表一和表二中的plt名称是固定的，无论绘制何种图表均使用plt.xxx()；而表三和表四中ax.xxx()的ax部分需替换为你实际实例化的对象名称。
2. 对比表二和表四可以发现，许多功能相同的操作，在axes对象中需要额外添加set_前缀。

总结与展望

使用实例化axes的方式进行绘图至关重要，因为多子图的绘制更依赖于axes对象的支持。

后续我将分两期分别介绍axes与多子图绘制、以及axes与pandas绘图之间的关系。

至此，关于浅谈matplotlib.pyplot与axes关系的文章介绍完毕，更多相关matplotlib.pyplot及axes内容请搜索本站以前的文章或继续浏览下面的相关文章，希望大家以后多多支持本站！