在幕布中绘图，还是在幕布上的单元格中绘图?
实际上，作为最流行和最基础的数据可视化库，Matplotlib在某些方面有些令人困惑，这些部分经常有人问起。
- 我应该在什么时候使用“axes”
- 为什么有时用“plt”而有时用“ax”?
- 它们之间有什么区别?
在网上有这么多的例子向人们展示如何使用Matplotlib来绘制这种或那种图表，但我很少看到任何教程提到“为什么”。这可能会使编程经验较少或从其他语言(如R)切换到这种语言的人感到非常困惑。
在本文中，我不会教您使用Matplotlib绘制任何特定图表，但会尝试解释有关Matplotlib的基本但重要的内容——人们通常使用的“plt”和“ax”是什么。
概念
注意，当我说“plt”时，它并不存在于Matplotlib库中。它之所以被称为“plt”，是因为大多数Python程序员喜欢导入Matplotlib并创建一个名为“plt”的别名，我相信您应该知道这个别名。
importmatplotlib.pyplotasplt
然后，回到我们的主题。为了演示，让我们画一个简单的图表。
importnumpyasnpplt.plot(np.random.rand(20))
plt.title('test title')
plt.show()
如上面标注的截图所示，当我们使用
plt
:
- 将生成一个
figure对象(以绿色显示) Axes对象是通过绘制的折线图(红色显示)隐式生成的- 图中的所有元素(如x和y轴)都在
Axes对象中呈现(蓝色显示)
这也就表示:
figure就像一张纸，你可以画任何你想画的东西- 我们必须在“单元格”中绘制图表，在此处，
Axes是坐标轴 - 如果我们只画一个图形，我们不需要先画一个“单元格”，只要在纸上画就可以了。我们可以使用
plt.plot(…)
显式绘制“单元格”
当然，我们可以在“纸”上显式地绘制一个“单元格”，以告诉Matplotlib我们将在这个单元格中绘制一个图表。然后，我们有以下代码。
fig, ax = plt.subplots()
ax.plot(np.random.rand(20))
ax.set_title('test title')
plt.show()
结果完全一样。唯一的区别是我们明确地绘制了“单元格”，这样我们就能够得到
Figure
和
Axes
对象。
实际上，当我们只想绘制一个图形时，没有必要“绘制”单元格。但是，您必须注意到，当我们想在一个图中绘制多个图时，必须这样做。
n_rows = 2
n_cols = 2fig, axes = plt.subplots(n_rows, n_cols)
forrow_numinrange(n_rows):
forcol_numinrange(n_cols):
ax = axes[row_num][col_num]
ax.plot(np.random.rand(20))
ax.set_title(f'Plot ({row_num+1}, {col_num+1})')fig.suptitle('Main title')
fig.tight_layout()
plt.show()
在这个代码片段中，我们首先声明了要“绘制”的行和列的数量。2×2表示我们要画4个单元格。
然后，在每个单元格中，我们绘制一个随机的折线图，并根据其行号和列号分配一个标题。请注意，我们使用的是axis实例。
在此之后，我们在“paper”上定义一个“Main title”，即
Figure
实例。所以，我们有这个超级标题，它不属于任何“单元格”，但在幕布上。
最后，在调用
show()
方法之前，我们需要要求
Figure
实例通过调用它的
tight_layout()
方法自动在单元格之间提供足够的填充。
总结
希望现在你能更好地理解
plt
和
ax
到底是什么。
基本上，
plt
是matplotlib的一个常见别名。pyplot被大多数人使用。当我们使用
plt
(比如
plt.line(…)
)绘制一些东西时，我们隐式地创建了一个图形实例和图形对象内部的坐标轴。当我们只想画一个图的时候，这是非常方便的。
但是，我们可以显式地调用
plt .subplot()
来获得
Figure
对象和
Axes
对象，以便对它们执行更多的操作。当我们想在一个图形上画多个子图时，通常需要使用这种方法。
另外，下面是用于
Figure
和
Axes
类的Matplotlib官方API引用。强烈建议大家自己去看看它们，并尝试一些方法，以确保自己理解得更深。
https://matplotlib.org/api/axes_api.html?highlight=axes#matplotlib.axes.Axes
https://matplotlib.org/api/_as_gen/matplotlib.figure.Figure.html#matplotlib.figure.Figure
作者：Christopher Tao
deephub翻译组：孟翔杰
DeepHub
微信号 : deephub-imba
每日大数据和人工智能的重磅干货
大厂职位内推信息
长按识别二维码关注 ->
喜欢就请三连暴击！********** **********