3、plt.figure()和Axes类

Figure类和Axes类

本文从介绍一下Figure类和Axes类，二者的区别，以及一些实例。

1、Figure类

matplotlib.figure模块包含了Figure类。它是所有绘图元素的顶层容器。Figure对象是通过调用pyplot模块中的fig()函数来实例化的，如下所示。(简单来说，Figure就是给我们画图提供了一个画布，这个画布的参数我们可以通过Figure类进行调整和修改，画布弄好之后才方便在上面作图)

fig = plt.figure()

它有一下几个参数：

参数	解释
figsize	(宽，高)，是个元组，表示Figure的大小
dpi	每英寸的点数，也就是分辨率
facecolor	画布的颜色
edgecolor	画布的边缘颜色
linewidth	边缘的线宽

下面来具体的看一个实例：

from matplotlib import pyplot as plt
import numpy as np
import math
x = np.arange(0, math.pi*2, 0.05)
y = np.sin(x)
fig = plt.figure(figsize=(8,4),dpi=144,facecolor='r')
ax = fig.add_axes([0,0,0.7,0.7])
ax.plot(x,y)
ax.set_title("sine wave")
ax.set_xlabel('angle')
ax.set_ylabel('sine')
plt.show()

显示结果如下，我们可以看到，这个figure实际是画布的背景，我们画的图是在axes上画的。

2、Axes类

Axes对象是图像中具有数据空间的区域。一个给定的图可以包含许多Axes，但一个给定的Axes对象只能在一个图中。通过调用add_axes()方法将轴对象添加到图形中。它返回axes对象，并在矩形[左，底，宽，高]的位置添加一个轴（效果见此处链接），其中所有的数量都是图形宽度和高度的分数，这里不过多介绍。
以下是axes类的成员函数，它们为绘图添加了不同的元素：
函数1：Legend：axes类的legend()方法为绘图图添加了一个图例。它需要三个参数：

ax.legend(handles, labels, loc)

其中label是一个字符串序列，并处理Line2D或Patch实例的序列。loc可以是一个字符串或一个整数，指定图例的位置。

函数2：axes.plot()，这是axes类的基本方法，它将一个数组的值与另一个数组的值以线或标记的形式绘制出来。plot()方法可以有一个可选的格式字符串参数来指定线条和标记的颜色、样式和大小。

axes.plot()

颜色：

样式：

线型：

举例如下：

例1：

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(20)

fig = plt.figure()
ax = plt.subplot(111)

for i in range(4):
    ax.plot(x, i * x, label='$y = %ix$' % i)

ax.legend(loc=0)

plt.show()

显示结果如下，loc为0，系统默认会选择一个最好的位置，label为这些图例的内容

例2：

import matplotlib.pyplot as plt
y = [1, 4, 9, 16, 25,36,49, 64]
x1 = [1, 16, 30, 42,55, 68, 77,88]
x2 = [1,6,12,18,28, 40, 52, 65]
fig = plt.figure()
ax = fig.add_axes([0,0,1,1])
l1 = ax.plot(x1,y,'ys-') # solid line with yellow colour and square marker
l2 = ax.plot(x2,y,'go--') # dash line with green colour and circle marker
ax.legend(labels = ('tv', 'Smartphone'), loc = 'lower right') # legend placed at lower right
ax.set_title("Advertisement effect on sales")
ax.set_xlabel('medium')
ax.set_ylabel('sales')
plt.show()

显示结果如下：

3、plt./ax./fig的区别

在matplotlib中，有两种画图模式：

一种是plt.系列，这个plt.提供了一些基本的函数，可以画一些简单的图，如果你想要精细的画图，这种画图模式就不得行了。于是，有了第二种方法。

另一种是fig，ax = plt.subplots(),这种是通过axes来画的，通过指定figure和axes，对axes进行单独操作。建议画图都用这种。

为了更好的说明我们的参数和图的对应关系，见下图：（点此查看官网解释）

下面看官网对上图的整体解释：

整个人物（标记为外红框）。图中记录了所有的子Axes、少量的 "特殊 "艺术家（标题、图例等）和画布。不要太担心画布，它是至关重要的，因为它是实际做画的对象，让你得到你的剧情，但作为用户，它对你来说多少是看不见的）。一个图形可以有任何数量的Axes，但为了有用，至少应该有一个。
通俗解释： 红外框的就是画布，要在画布上进行创作，这个画布上可以有一定数量的Axes，就是图中蓝色线框住的部分，你需要在这个画布上画多少图，那么就需要有多少个Axes，比如，如果你的figure有subplot，也就是子图的画，每个子图就是一个Axes。

官网对上图中的Axes的解释：

这就是你所认为的 “一个图”，它是图像中具有数据空间的区域（标记为蓝色内框）。一个给定的图可以包含许多Axes，但一个给定的Axes对象只能在一个图中。Axes包含两个（如果是3D，则是三个）Axis对象（要注意Axes和Axis之间的区别），它负责数据的限制（数据限制也可以通过set_xlim()和set_ylim()Axes方法来控制）。每个Axes都有一个标题（通过set_title()设置），一个x-label（通过set_xlabel()设置）和一个y-label（通过set_ylabel()设置）。
**通俗解释：**就是Axes很吊，可以修改设置的变量非常多。

官网对上图中Axis的解释：

这些是类似数字线的对象（绿色圈出）。它们负责设置图形限制和生成tick（轴上的标记）和ticklabels（标记tick的字符串）。标记的位置由Locator对象决定，ticklabel字符串由Formatter格式化。正确的Locator和Formatter的组合可以对tick位置和标签进行非常精细的控制。
通俗解释： Axis，为图中绿色圈出的坐标轴部分，这部分可以进行精细的修改和调整。比如用ax.xaxis和ax.yaxis调整坐标轴。

官网也对Figure对分进行了精细的名称定位，方便修改官网见此。如下图所示：

上图给出了各个部分的名称，也可以说是关键字，方便我们查询调整。