干货+送书｜人人都能看懂的Matplotlib绘图原理讲解！

前言

大家好，我是早起，这篇文章没有代码，只做一件事：尝试讲明白Matplotlib的工作机制，先说说我刚开始是怎样学习Matplotlib的吧(可能也是你的）👇

大概在几年前，我还是一个Excel Boy，在学习了一段时间Python后，发现用Matplotlib居然也能制作精美的图形，于是百度【Matplotlib怎么制作xx图】，之后随便点开一两个网站，跳过大段文字部分，直接复制代码粘贴运行，成功得到图片。OK！Matplotlib我会了！

这样学不行吗？当然行！我在之前文章中也说过，不管你是怎么做的，能把图整出来就行。但是这样的学习方式，并不是非常适合Matplotlib，至少在搞明白它的绘图机制之前是不行的。

因为同一张图，你可能在这篇帖子里面发现是用plt.xxxx实现，另一个帖子里用ax.xxxx实现，并且有时想修改一个参数，你会百度得到很多种修改方法，但是没有一个对你有用！因为你甚至都不了解它的工作机制！

那么接下来，让我尽可能用通俗易懂的话去解决这个问题！

plt.xxxx到底是什么？

让我们从最熟悉、最常见的plt开始，相信你一定执行过无数次下面的代码

import matplotlib.pyplot as plt

然后就是直接用plt.xxx去搞各种图表了，但是你有想过这个**plt到底是什么？**我们把它打印出来看一下👇

可以看到，plt只是一个module，我们根据上图路径找到对应pyplot.py文件，可以看到，常用的绘图函数都被封装在里面。

所以plt它就是包含了一篮子函数的API，之所以这么搞，就是为了能像Matlab一样在命令行绘图，官方文档中也是如此解释👇

因此我们直接在命令行执行plt.bar([1,2,3],[4,5,6])直接就出来一幅图了！

但是等等！画图不应该先搞一块画布/区域用于作图吗？在刚刚的代码中我没有告诉它在哪画，也没有指定坐标轴刻度等信息，为什么直接就画出来了？

这就涉及到子图和面向对象的概念了，下面，让初学者头疼的axes该登场了！

ax.xxxx又是什么？

为了搞明白plt.xxxx和ax.xxxx之间有什么差异，首先我们来研究下axes是什么！

在大多数使用ax.xxxx绘图的开头都是这样的代码👇

fig, ax = plt.subplots()

和刚刚一样，打印出来看下fig和ax是什么👇

和上一节不一样的是，现在不再是一个接口(plt)，而是通过plt接口创建了一个figure对象和一个axes对象！那么这两个对象是什么呢，让我们看一张官方的图

一目了然！

最外层的是Figure，也就是画布，这是Matplotlib中最高等级的对象，不管绘制什么图都是需要一个画布！

在画布(Figure)里面的是Axes，大家可以理解为作图的区域(在上图中只有一个Axes)， 接下来就可以通过ax.xxxx在Axes中进行创作，当然包括title、Axis、label等各种小组件，以及最重要的图形！

当然创建两个Axes也行，左边是行，右边是列，(2,1)表示两行一列，两个axes对象👇

只不过这时，就是通过ax[0].xxxx，ax[1].xxxx分别去在不同的区域(Axes)进行绘制，具体xxxx是什么不重要，无非是设置标题、坐标轴、数格式之类的，这些我们会在后续文章进行更新。只需要知道，出现了ax.xxxx就是在指定区域绘制！

plt和ax有什么区别？

现在，我们来搞定最后的问题，plt和ax有什么区别？如何选择？

先回到第一节最后的问题

「为什么plt没有指定画布和区域也能作图？」

因为matplotlib默认在最近创建的画布上绘制，而当你没有指定区域，告诉它去画图，他就会自动去生成一个Axes去绘制，进一步没有画布，也会自动去创建一个Figure，也称为隐式绘制。

这好吗？看上去挺方便的哈，我们来看下面这种情况，创建一个画布并有三个Axes

我想在第二个axes上添加一个条形图怎么办？条形图不就是plt.bar，整！

很遗憾，之前说过plt默认在最新的axes上作图，所以只能画在第三个axes上，就算你将plt.xxxx放在ax2 = axes[1]之后也是不行的！

但如果使用ax.xxxx话就很方便了！我们只需要指定axes然后在想要的区域画图就行了！

fig, axes = plt.subplots(1,3,figsize=(16,6))

ax1 = axes[0]
ax2 = axes[1]
ax3 = axes[2]
 
ax2.barh([1,2,3,4,5],[1,2,3,4,5])

plt.show()

那么一定要用plt呢，只能通过一个一个创建子图，然后将plt.xxxx放在指定的位置

注意观察代码片段中plt.xxxx和ax.xxxx的位置，plt.xxxx必须跟在ax2后面才能将条形图画在第二个axes中，而ax1.xxxx则没有限制！

小结

现在，可以让我们总结一下。如果使用plt.xxxx进行绘图，代码量会少一点，简单一点，这也是为什么大多数教程都在使用这种方式。

但是弊端也很明显，制作单个图形时，会自动帮你创建figure和axes。而在出现多个子图时，使用plt操作起来就显得有点蠢蠢的，所以这时应该使用ax.xxxx进行控制，但是一定要记住使用ax标准的流程：

1. 创建一个画布(Figure)
2. 创建一个或者多个Axes
3. 使用ax.xxxx在指定Axes上绘图

那对于这两种方法，官方怎么说👇

上面是翻译后的官方文档，可以看到「为了获得更多控制，可以完全删除pyplot级别，从而保留纯面向对象的方法」也就是尽可能的使用我们说的第二种方法去制作。

我的看法是，其实这两种方法虽然写法不太一样，但是大同小异，比如plt.title()就等于ax.set_title()，所以在掌握plt.xxxx和ax.xxxx背后原理之后，在可以看懂不同风格代码每一句在干嘛后，在需要绘图时，选择一个最简单的方法把图做出来即可！

本文仅从概念上，对plt.xxxx和ax.xxxx两种绘图方式进行讲解，至于xxxx是什么，请看可视化图鉴后续文章！

文末早起联合华章计算机，为同样热爱Python，喜爱数据可视化的你精心挑选了多本Python数据分析可视化相关图书赠送

更多精彩图书，可以点击下方小程序查看与优惠购买

那么怎么送呢，一共赠送五本，可以任意挑选，长按扫描下方二维码关注「可视化图鉴」，回复送书即可参与，中奖概率超高～