Matplotlib中的Figure与Axes

一、核心概念：画布与子图的关系

Matplotlib作为Python最流行的绘图库，其核心在于理解‌Figure(画布)‌和‌Axes(子图)‌的关系。Figure是顶层容器，相当于一张白纸或画框，负责管理整个图像的尺寸、背景等全局属性；而Axes则是画布上的具体绘图区域，每个Axes都包含独立的坐标系(x/y/z轴)、数据点和图表元素(如标题、图例)。

关键点在于：

• 一个Figure可以包含多个Axes(子图)
• 但每个Axes仅属于一个Figure
• 类比：Figure是画板，Axes是画板上不同位置的独立绘图区

二、两种创建方式：显式与隐式

Matplotlib提供了两种创建图形的方式，区别在于‌是否主动管理对象引用‌：

1. 显式创建（面向对象风格）

from matplotlib.figure import Figure
self.figure = Figure(figsize=(7, 7))  # 独立创建Figure实例
self.ax = self.figure.add_subplot(111)  # 显式添加子图

特征：

• 手动实例化Figure对象
• 明确控制对象的创建和引用
• 适合GUI嵌入、复杂项目等需要精细控制的场景

2. 隐式创建（pyplot风格）

import matplotlib.pyplot as plt
plt.figure(figsize=(7, 7))  # 隐式创建或激活Figure
ax = plt.subplot(111)  # 添加子图

特征：

• 依赖pyplot的状态机自动管理
• 若不保存返回值，后续需通过plt.gcf()获取当前Figure
• 适合快速绘图和交互式环境

三、选择建议

• 需要可重复使用的图形或嵌入应用时 → 选择显式创建
• 进行探索性数据分析时 → 选择隐式创建更高效

四、子图管理实践技巧

• ‌添加子图的两种方式‌：

  • self.figure.add_subplot()：显式绑定到特定Figure
  • plt.subplot()：隐式依赖当前活跃Figure

• ‌多子图布局‌：

  • 使用add_subplot(nrows, ncols, index)创建网格状排列
  • 通过fig.add_axes([left, bottom, width, height])自定义位置

• ‌生命周期管理‌：

  • 显式创建的Figure需手动管理显示和保存
  • 隐式创建的Figure由pyplot自动管理