matplotlib | Python强大的作图工具，让你从此驾驭图表（二）

今天是数据处理专题的第10篇文章，我们继续来聊聊matplot这个工具库。

在上周的文章当中我们介绍了matplot的基本用法，以及展示了一些简单的例子，让大家直观地了解这个工具包。我们可以简单地将它理解成专门用来作图的工具，但是它作图的功能又非常强大，以至于并不能当成一个简单的内容来对待。道理也很简单，老板让你去做一份数据出来，结果你画出来的图啥也没有，也不知道什么颜色代表什么内容，也没有标题，难以阅读，显然这是不行的。

所以我们还需要深入学习它的一些高级用法， 让我们做出来的图更加的直观，展示更多的信息，也更加美观。

Figure设置图像大小

首先我们来介绍一个很重要的概念，叫做Figure。Figure是matplotlib的核心对象，可以理解成所有我们画出来的图像的数据都存在figure对象当中。其实这个概念非常直观，因为在英文当中figure本身就有图像的意思，当然它还可以指一个人的身材，扯远了……

在计算机领域当中类似的概念有不少，如果我们不知道它的英文意思，可能会觉得这些概念都很费解，这边一个概念，那边一个概念，有时候如果能够了解一下它对应的英文原意，也许会发现些惊喜，让你理解更加顺畅。

figure最简单的用法就是设置matplotlib绘制出来图片的大小，我们用sigmoid函数图像举例，我们正常画出来的图像是这样的：

由于图片会有缩放，所以大家可能很难直接从文章的图片上看出它的大小，但是至少我们是可以看出来这是一个长方形的图像。如果我们想要将它绘制成正方形呢？或者是我们想要控制它的大小，让它画得长一些或者是宽一些或者是单纯地大一些呢？

这时候我们就需要用到figure了，我们可以在figure当中通过figsize这个参数来设置它的大小。比如我们用下面这些代码绘制出来的图像就变了：

即使看不出来大小，但是我们也可以看得出来图片变成了正方形。原因是因为我们传入的size是一个(5, 5)的tuple，这里的5的单位是英寸。也就是说我们通过参数设置，可以使得绘制出来的图像按照我们想要的大小展示，并且可以保证不论在什么设备上看到的结果都是一样的。

subplot与子图

有的时候我们希望把一系列图表合并在一起，拼成一张大图，这样的话会更加方便我们观看，可以一次性获取更多的信息。对于这个问题