【DS with Python】Matplotlib入门(一)：架构概述、面向对象编程绘图与函数式绘图基础

---

前言

很多人入手Matplot库的时候是从matplotlib.pyplot入手的，因为看起来操作简单，但这实际上只能快速产图，如果想要对图片进行调整，例如，调整画布尺寸、调整横轴或者纵轴刻度，或者隐藏横轴或者纵轴标签等等，就会无从下手，实际上，matplotlib架构共分为三层：Backend(后端)、Artist(美工)、Scripting(脚本)，待本文一一介绍。

---

一、Matplotlib架构概述

  Matplotlib中包含和管理给定图形中所有元素的顶级对象称为Figure(可以理解为画板)，matplotlib 的核心架构任务之一是实现一个用于展现和操作 Figure的框架，并与将Figure呈现到用户界面窗口或硬拷贝的行为进行分离。实现这一点的架构在逻辑上分为三层，可以看作是一个堆栈。位于另一层之上的每一层都知道如何与它下面的层对话，但较低的层不知道它上面的层。从下到上三层是：Backend(后端)、Artist(美工)、Scripting(脚本)。

1.1 Backend(后端)

  实际上，调用Matplotlib的方式可以大不相同：有些人从 Python shell 交互式地使用 Matplotlib，他们键入命令时会弹出绘图窗口，有些人在 Jupyter Notebook用%matplotlib inline或者%matplotlib notebook的magic code绘制内联图或者交互式图表以进行快速数据分析；还有人将 Matplotlib 嵌入到 PyQt 或 PyGObject 等图形用户界面中以构建丰富的应用程序；或者有一些人运行 Web 应用程序服务器来动态提供图形等等。

  为了支持所有这些用例，Matplotlib 可以针对不同的输出，这些不同的输出每一种都称为一种后端；“前端”是面向用户的代码，即绘图代码，而“后端”则在幕后完成所有艰苦的工作来制作图形。有两种类型的后端第一种后端是用户界面后端(user interface backends):用于 PyQt/PySide、PyGObject、Tkinter、wxPython 或 macOS/Cocoa，也称为“交互式后端(interactive backends)”我们在jupyter notebook中用的%matplotlib notebook就属于这一种；另一种后端是硬拷贝后端:用以制作图像文件PNG、SVG、PDF、PS，也称为“非交互式后端(non-interactive backends)”。

后端也分为三块

• FigureCanvas 封装了要绘制的表面的概念（可以理解为画纸）
• Renderer 渲染器 （可以理解为用来画画的画笔）
• Event 处理用户输入，例如键盘的输入和鼠标的移动与悬停。

  本文是在Jupyter Notebook的基础上，用%matplotlib notebook的magic code形成的交互式图像，在这里，我们查看所用的后端：

%matplotlib notebook
import matplotlib as mpl
mpl.get_backend()

--Outputs：
'nbAgg'

  如果需要调整后端，可以参看官方网站：matplotlib.Backends，一般情况下，使用默认的后端即可

1.2 Artist(美工)

  Artist是Matplotlib的中间层，也是很多繁重的情况发生的地方，后端FigureCanvas是画纸，Artist是知道如何拿起Renderer（画笔）并将墨水涂在画布上的对象，你在Matplotlib的Figure都是Artist的实例包括title, lines, tick labels, images等等，他们都属于基类matplotlib.artist.Artist，而Artist和backend之间的关联发生在draw方法中。由于Renderer有一个指向其画布FigureCanvas的指针，并知道如何在其上绘画，因此draw方法可以将抽象的指令转换Artist为像素缓冲区中的颜色、SVG 文件中的路径或任何具体表示。
  我们用两张图来理解Artist的各个实例与层次，在这张图中，我们给出了主要的实例：Figure(图)、Axes(轴域)、Text(文本)、2Dline(二维线条)、XAxis(X轴)、YAxis(Y轴)、Xlabel(X轴标签)、Xticks(X轴刻度)、Ylabel(Y轴标签)、Yticks(Y轴刻度)，注意，Axes中的ax.set_xticklabels()设置的就是plt.xticks()我们接下来将一一介绍他们的具体用法：

  他们的关系如下所示：

  最大的一类是Figure，其次是Axes，再其次是Axes中的一些实例，轴、文本、线条等等，Text可以包含图的标题、图注、图标等等一切的文本。
  另外需要注意这些美工实例又分为原始型美工(Primitive artists)与复合型美工(Composite artists)，例如前面提到的Text、以及背景的Rectangle、Circle都是原始型美工，而Axis、Tick、labels、Axes、Figure则是复合型美工，一个复合型美工可以包含多个复合型美工或者原始型美工，例如，Figure可以包含包含一个或多个Axes并且Figure的背景是一个基元Rectangle。

  接下来我们对这些实例进行一一介绍：

1.2.1 Figure、Subplot与Axes

• Figure

  我们可以将Figure看成是一张大的画板，可以matplotlib.figure中的fig=Figure()来创建一张画板fig，也可以在函数式绘图中用fig=plt.figure()来建立fig。

  但有个画板还不够，好比你要画油画，你不能画在画板上吧，至少需要一张画纸，这里的画纸就可以理解为以横纵坐标轴为长和宽所建立起来的矩形，2D的图像都在这个矩形内。可以用canvas = FigureCanvas(fig)来产生一张画纸，或者如果你用fig=plt.figure()，那他会默认产生一张画纸。如果你觉得一张画纸不够，要在一张画板上多用几张画纸，也是可以的，可以用fig.add_subplot或plt.subplots(子图)，或者fig.add_axes(轴域)来产生多的画纸，他们会将原来大的画纸进行拆分，拆分成若干张小画纸，画纸和画纸间可以嵌套，可以并列放置，我们接下来对这两者进行介绍与区分：

• Subplot

  首先介绍Subplot，Subplot负责将整个画板分割成几块，用ax = fig.add_subplot(abc) 来创建子图，里面的参数abc代表是产生a行b列一共a*b个子图区域，c表示给这个区域添加子图。
  例如：ax1 = fig.add_subplot(221) , ax2 = fig.add_subplot(222) , ax4 = fig.add_subplot(224)就是在2*2个区域中，在左上，右上和右下建立子图：

from matplotlib.figure import Figure
from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas

fig = Figure()
canvas = FigureCanvas(fig)

ax1 = fig.add_subplot(221) 
ax2 = fig.add_subplot(222) 
ax4 = fig.add_subplot(224)

canvas.print_png('test1.png')

  借用%%html来在网页上查看图片,红色字迹为注释，非做在图上的。

%%html
<img src='test1.png' />

  Subplot建立子图的方式比较基础而且整洁，另一种形式Axes则较为灵活：

• Axes

  Axes，个人翻译为轴域，可以通过fig.add_axes([left,bottom,width,height])添加子图的左边界、下边界、宽度和高度来在合适的位置上添加子图:

from matplotlib.figure import Figure
from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas

fig    = Figure()
canvas = FigureCanvas(fig)

ax1    = fig.add_axes([0.1, 0.1,