Matplotlib Figure和Axes

Matplotlib是Python中用于绘制基于数据的图形的一个库，它提供了丰富的绘图功能。Matplotlib最主要的特点就是兼容Numpy，因此可以简单的通过Numpy数组作为输入来绘制各种各样的图形。

Matplotlib分为三层，即pyplots层、artists层和backend层。pyplots层提供了一个和MATLAB兼容的界面，方便用户进行绘图。artists层提供了更高级别的图形对象，如坐标轴、文本、曲线等。backend层是底层的图形生成系统，Matplotlib可以轻而易举的切换backend。

在Matplotlib绘图中，Figure和Axes是两个最常用的类。下面将详细介绍Figure和Axes的含义、用法及其相关方法。

阅读更多：Matplotlib 教程

Figure

Figure是Matplotlib下最上层的图像容器，它包含了Axes、Legend等对像，而Axes则包含了大部分的绘图元素。因此，我们可以把Figure看成是一个大的画布，上面可以绘制多个小图形，而这些小图形就是Axes。

在Matplotlib中，每个Figure都是一个完整的窗口或页面，Figure对象用于管理绘图窗口上的所有元素。一个 Figure 对象包含的所有的图标都是在同一个窗口中展现的。

在Matplotlib中，可以通过以下方法创建Figure对象：

import matplotlib.pyplot as plt
fig = plt.figure()

在这个例子中，fig = plt.figure()创建了一个空的Figure对象，同时会调用默认的参数。如果需要指定Figure的大小、分辨率、背景色或调整它的边距，我们可以通过以下方法进行设置：

import matplotlib.pyplot as plt
# 可选参数如下：figsize:大小，dpi:分辨率，facecolor:背景色，edgecolor:边框颜色
fig = plt.figure(figsize=(8,6), dpi=100, facecolor='lightgray', edgecolor='black')

这段代码会创建一个大小为8*6的灰色背景的Figure对象，分辨率为100dpi。

Axes

Axes是Matplotlib下面的重要类之一，它可以被看做是一个带有数据限制的一维或多维坐标系。在图中绘图时，常常需要绘制多个Axes，使得坐标系产生分布效果，从而达到比单一 Axes 更好的数据展示效果。

Axes是一个具有窗口（Window）属性和数据属性（Data）的图像区域，数据属性确定了坐标轴上显示的内容，而窗口属性则决定了坐标轴的显示位置。每一个Axes都有一个X轴和Y轴。通过设置X轴和Y轴的范围，可以控制数据呈现的范围。

在Matplotlib中，可以通过以下方法创建Axes对象：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()

这段代码创建了一个Figure对象，并在其上添加了一个Axes对象。如果需要指定Axes的位置、大小、边距等参数，我们可以通过以下方法进行设置：

import matplotlib.pyplot as plt
fig, ax = plt.subplots(figsize=(8, 6), dpi=100, facecolor='lightgray', edgecolor='black', 
                       subplot_kw=dict(projection='polar'), gridspec_kw=dict(hspace=0.4, wspace=0.4))

此处给出一个例子，这里的Axes使用了更高级别的polar投影，通过gridspec_kw参数可以进行子图的排列，hspace和wspace参数控制子图之间的高度和宽度间隔。

Figure和Axes的方法

通过Figure和Axes对象的方法，我们可以控制图形的样式、布局、标签、绘图样式等。下面将介绍常用的Figure和Axes的方法。

Figure的方法

add_subplot()

add_subplot()方法可以添加Axes对象到Figure中。该方法接受三个整数参数，分别表示图表的行数、列数和子图的编号，可以把图表分成多个子图，方便展示复杂的数据。

以下是一个示例代码：

import matplotlib.pyplot as plt
fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1) # 第一个子图
ax2 = fig.add_subplot(2, 2, 2) # 第二个子图
ax3 = fig.add_subplot(2, 2, 3) # 第三个子图
ax4 = fig.add_subplot(2, 2, 4) # 第四个子图

该代码将Figure对象分成2行2列的4个子图，每个子图使用不同编号表示。

suptitle()

suptitle()方法可以在Figure对象上添加中央标题，用于概括整个图表的内容。以下是一个示例代码：

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(6,6))
fig.suptitle("Example of Suptitle", fontsize=14, fontweight='bold')

此代码创建了一个Figure对象并设置了中央标题。

savefig()

savefig()方法可以将Figure对象保存为图像文件。该方法接受一个文件名和一些可选参数，包括格式、分辨率、大小等。以下是一个示例代码：

import matplotlib.pyplot as plt
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot([1, 2, 3], [4, 5, 6])
fig.savefig('example.png', dpi=300, bbox_inches='tight')

该代码将一个简单的线图保存为名为’example.png’的图像文件，分辨率为300dpi，bbox_inches=’tight’参数表示将图像边界设置为紧凑型。

Axes的方法

plot()

plot()方法可以绘制不同样式的曲线。以下是一个示例代码：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x_data = [0, 1, 2, 3, 4, 5]
y_data = [0, 1, 2, 3, 4, 5]
ax.plot(x_data, y_data, label='linear') # 线图
ax.plot(x_data, [x**2 for x in x_data], label='quadratic') # 散点图
ax.plot(x_data, [x**3 for x in x_data], 'o', label='cubic') # 散点图

代码中，我们绘制了线图、散点图和圆圈图，并使用label参数添加图例。

set_xlabel()和set_ylabel()

set_xlabel()和set_ylabel()方法可以为Axes对象设置X轴和Y轴的标签。以下是一个示例代码：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x_data = [0, 1, 2, 3, 4, 5]
y_data = [0, 1, 2, 3, 4, 5]
ax.plot(x_data, y_data)
ax.set_xlabel('X Label') # 设置X轴的标签
ax.set_ylabel('Y Label') # 设置Y轴的标签

该代码设置了X轴和Y轴的标签。

set_title()

set_title()方法可以为Axes对象设置标题。以下是一个示例代码：

import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x_data = [0, 1, 2, 3, 4, 5]
y_data = [0, 1, 2, 3, 4, 5]
ax.plot(x_data, y_data)
ax.set_title('Example of Axes Title') # 设置Axes的标题

该代码设置了Axes的标题。