使用matplotlib中的绘图，轴或图形绘制绘图有什么区别？

Question

当我在matplotlib中绘制情节时，我有点混淆了后端的情况，tbh，我不清楚情节，轴和图的层次结构。我阅读了文档，这很有帮助，但我仍感到困惑......

以下代码以三种不同的方式绘制相同的图表 -

#creating the arrays for testing
x = np.arange(1, 100)
y = np.sqrt(x)
#1st way
plt.plot(x, y)
#2nd way
ax = plt.subplot()
ax.plot(x, y)
#3rd way
figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

现在我的问题是 -

1. 三者之间有什么区别，我的意思是当调用3种方法中的任何一种时，会发生什么？

2. 使用哪种方法时应该使用哪种方法？

Answer 1

方法1

plt.plot(x, y)

这使您可以使用（x，y）坐标绘制一个图形。如果您只想获得一个图形，可以使用这种方式。

方法2

ax = plt.subplot()
ax.plot(x, y)

这使您可以在同一窗口中绘制一个或多个图形。当你写它时，你只会绘制一个数字，但你可以做这样的事情：

fig1, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)

您将在同一窗口上绘制4个名为ax1，ax2，ax3和ax4的图形。这个窗口将用我的例子分为4个部分。

方法3

fig = plt.figure()
new_plot = fig.add_subplot(111)
new_plot.plot(x, y)

我没有使用它，但你可以找到文档。

示例：

import numpy as np
import matplotlib.pyplot as plt

# Method 1 #

x = np.random.rand(10)
y = np.random.rand(10)

figure1 = plt.plot(x,y)

# Method 2 #

x1 = np.random.rand(10)
x2 = np.random.rand(10)
x3 = np.random.rand(10)
x4 = np.random.rand(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)
y4 = np.random.rand(10)

figure2, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
ax1.plot(x1,y1)
ax2.plot(x2,y2)
ax3.plot(x3,y3)
ax4.plot(x4,y4)

plt.show()

其他示例：

Answer 2

对象名称

Matplotlib高度面向对象，其主要对象是图和轴（我发现名称axes有点误导，但可能只是我）。

您可以将图视为 canvas ，通常可以指定尺寸，例如，背景颜色等。您可以使用画布， 图，基本上有两种方式，在其上放置其他对象（主要是轴，还包括文本标签等），并使用savefig保存其内容。

您可以将轴视为一种瑞士军刀，它是提供工具（例如.plot，.scatter，.hist等等），几乎所有内容。您可以使用多种方法之一将轴放置在图中。

plt界面

plt 过程接口最初是为了模仿MATLAB™接口而开发的，但即使您没有直接引用主要对象（例如， ，图和轴）这些对象会被自动实例化，并且每个 plt 方法本质上都会转换为其中一种方法的调用基础对象中的一个：例如，plt.plot()是hidden_axes.plot，而plt.savefig是hidden_figure.savefig。

每时每刻都可以使用plt.gcf和plt.gca处理这些隐藏的对象，并且当其中一个对象方法尚未移植到中的方法时，有时这是必需的> plt 名称空间。

我想补充一点， plt 命名空间还包含许多方便的方法，可以以不同的方式实例化 figure 和 axes 。

您的示例

  

第一种方式

plt.plot(x, y)

在这里，您仅使用 plt 界面，在每个图中只能使用单个轴，但这就是您想要的您正在探索数据， 快速完成工作的食谱...

  

第二种方式

ax = plt.subplot()
ax.plot(x, y)

这里，您在 plt 命名空间中使用了一种便捷方法来为您的 axes 对象命名（和句柄），但同时还有一个隐藏的图。以后，您可以使用轴对象绘制，创建直方图等，您可以使用 plt 界面执行所有操作，但是您还可以访问其所有属性和对其进行更大的修改。

  

第三种方式

figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

在这里，您开始使用 plt 名称空间中的便捷方法实例化图，然后仅使用面向对象的界面。

可以绕过 plt 便捷方法（matplotlib.figure.Figure），但随后您必须调整数字以获得更好的交互体验（毕竟，这是便捷< / em>方法）。

个人推荐

我建议在交互式会话的环境中裸露plt.plot，plt.scatter，可能在其IPython魔术命令中使用%matplotlib，并且在探索性环境中Jupyter笔记本。

另一方面，面向对象的方法，再加上一些plt 便利的方法，是必经之路

• 如果您有一个永久性的问题要彻底解决一次， 定制的微调子图布置，
• 如果要将Matplotlib嵌入到编写的程序的UI中。

在这些极端之间有一个很大的灰色区域，如果您问我该怎么做，我只会说“取决于” ...