matplotlib：先搞明白plt. /ax./ fig再画

Python

我这个傻子的matplotlib学习过程很神奇：

刚开始，找几个教程，呕吼，简单，plt.* 一顿写。画完了。遇到坐标啊之类的细节不会调？

打开Google，要啥搜啥。

我最开始觉得这样蛮好的，这是一个很容易学的lib嘛。

然后问题出现了，matplotlib最烦人的地方就是，同样一个目标，你可以有N种不同的方法去实现他。比如说哦，加标题：

plt.set_title() 可以吧。

ax.title.set_text('title') 也可以吧。

ax.set_title() 也可以啊。

所以到底要用哪个？?

当你在网上搜索答案的时候，你会遇到各种实现的方法，如果你只是单纯的把找到的答案copy and paste，那总有一天你会和我一样崩溃。感觉自己就是个没有谷哥就不会画图的傻子。。。

所以，如果你：

学习matplotlib的时候是从标题类似于'五分钟教你 matplotlib 画图” 这种教程开始的。起码知道这一句 import matplotlib.pyplot as plt。遇到稍微复杂的细节就要一顿查，遇到修改xy坐标，名称，等等就头大。打开matplotlib的官方指南，不止一次，但是一脸懵逼。在这几个词 figure, axes, axis 在 matplotlib 出现时就一脸完了的表情。那么你不是一个人。我一直和你在一起。

所以这份指南是用来（尝试）解决这个问题的。我们花短短的时间，来从根本上了解一下 matplotlib 的架构，各种名词是什么意思，一个正常的画图程序是什么。

plt.***和ax.***的区别

我认为：所有不先讲清楚 plt.*** 和 ax.*** 两种画图方式的区别的教程都是耍流氓。一上来就告诉你，plt.figure(), plt.plot(), plt.show()，这么画就对了的，都是不负责任的表现！

在matplotlib中，有两种画图方式：

plt.figure()##

plt.*** 系列。通过http://plt.xxx来画图，其实是取了一个捷径。这是通过matplotlib提供的一个api，这个plt提供了很多基本的function可以让你很快的画出图来，但是如果你想要更细致的精调，就要使用另外一种方法。

plt.figure(1) 
plt.subplot(211) 
plt.plot(A,B) 
plt.show()

fig, ax = plt.subplots()

这个就是正统的稍微复杂一点的画图方法了。指定 figure 和 axes，然后对 axes 单独操作。等下就讲 figure 和 axes 都神马意思。

fig, ax = plt.subplots()   
ax.plot(A, B)

大部分的新手教程，都是以http://plt.xxx开始的。我个人认为这不是一个很好的方式。的确, http://plt.xxx简单易懂上手快，但是plt把matplotlib的结构看成一个blackbox，新手在不知道这个lib到底是如何运作的情况下以为自己上手了，可是当你需要细调你的图的时候，你就发现你完全不明白网上的人为什么要用http://ax.xxx， 为什么还有其他那么多种方式来加题目。这样的学习过程是非常不利于长期发展的。

因此，从我这个傻子的经验，我强烈建议在初学matplotlib的时候，尽量避免使用http://plt.xxx系列。当你明白figure/axes/axis都是控制什么的时候，如果你想要简单的制作一个quick and dirty的图，用http://plt.xxx才是OK。

名词解释 in matplotlib

matplotlib的名词定于对于非英语母语的人来说实在是太不友好了。尤其是axes。仰天长啸。

从官方借了个图

official doc​matplotlib.org

Figure

fig = plt.figure()
可以解释为画布。画图的第一件事，就是创建一个画布figure，然后在这个画布上加各种元素。

Axes

ax = fig.add_subplot(1,1,1)
不想定义，没法定义，就叫他axes！
首先，这个不是你画图的xy坐标抽！
希望当初写这个lib的时候他们用一个更好的名字。。。
可以把axes理解为你要放到画布上的各个物体。比如你要画一个太阳，一个房子，一个车在画布上，那么太阳是一个axes，房子是一个axes，etc。
如果你的figure只有一张图，那么你只有一个axes。如果你的figure有subplot，那么每一个subplot就是一个axes
axes是matlibplot的宇宙中心！axes下可以修改编辑的变量非常多，基本上能包含你的所有需求。
Axis ax.xaxis/ax.yaxis: 对，这才是你的xy坐标轴。
每个坐标轴实际上也是由竖线和数字组成的，每一个竖线其实也是一个axis的subplot，因此ax.xaxis也存在axes这个对象。对这个axes进行编辑就会修改xaxis图像上的表现。
图像的各个部位名称
再从使用指南 User Guide 借个图。每个部分的名称指南，这样当你想修改一个部位的时候，起码知道关键字啊。

一步一步来，用传统方法画个图
下面就是实战。用调取ax的方式来画个图。不要用plt！！

Import library and data for ploting
import matplotlib.pyplot as pltimport numpy as np%matplotlib inlineA = np.arange(1,5)B = A**2C = A**3
首先，搞个画布
我喜欢用这个命令来开始画图。哪怕你没有subplot，也可以用这个subplots来创建一个画布。

这个function创建了一个大小为（14，7）的画布，把这个画布赋值给变量fig，同时在这个画布上创建了一个axes，把这个axes赋值给ax。这样，所有未来的http://fig.xxx都是对这个画布的操作，所有http://ax.xxx都是对这个axes的操作。

如果你有两个图，那么ax是一个有两个元素ax[0],ax[1] 的list。ax[0]就对应第一个subplot的ax。

fig, ax = plt.subplots(figsize=(14,7))# fig, ax = plt.subplots(2,1,figsize(14,7))# ax[0].# ax[1].

好了画布搞好了，画数据。
注意，我们这里依然不使用plt！因为我们要在这个axes上画数据，因此就用ax.plot()来画。画完第一个再call一次，再画第二个。

ax.plot(A,B)ax.plot(B,A)

下面开始细节的处理
数据画好了就可以各种细调坐标轴啊，tick啊之类的。

首先把标题和xy坐标轴的标题搞定。Again, 不用plt。直接在axes上进行设定。

ax.set_title('Title',fontsize=18)ax.set_xlabel('xlabel', fontsize=18,fontfamily = 'sans-serif',fontstyle='italic')ax.set_ylabel('ylabel', fontsize='x-large',fontstyle='oblique')ax.legend()
然后是xy坐标轴的一些属性设定, 也是在axes level上完成的

ax.set_aspect('equal') ax.minorticks_on() ax.set_xlim(0,16) ax.grid(which='minor', axis='both')
最后是坐标轴tick和细节，这个在axes.xaxis or axes.yaxis上完成。

ax.xaxis.set_tick_params(rotation=45,labelsize=18,colors='w') start, end = ax.get_xlim() ax.xaxis.set_ticks(np.arange(start, end,1)) ax.yaxis.tick_right()

这样一个丑陋的基本图的绘画和编辑就完成了。如果有一些其他的细节调整，在搜索的时候，尽量选择不用plt的答案。原则上来说，plt和ax画图两者是可以互相转换的，然而转换过程让你的代码更复杂，有时还会产生难以理解的bug。因此画图的时候，请坚持使用一种格式。

搞定，吃饭去。