Matplotlib中的plt和ax都是啥？
这篇文章先介绍一下 Matplotlib 的一些简单基本概念和绘图原理，直入正题~
不知道有多少同学和我一样，在刚接触 Matplotlib 时，会被书上的 plt 、 ax 以及 subplots 等各种概念所迷惑，心里存在无数个问号，这些究竟是啥？画出来的图不是一样的吗？他们有啥区别？下面就一步步来解答这些迷惑。
概念引入
首先，我们应该要了解一张用 Matplotlib 画出来的图的具体构造，引用一张官方的图：
我们先主要看图里面红色框的 Figure 和蓝色框的 Axes ，如何理解这两个东西呢？
如果将 Matplotlib 绘图和我们平常画画相类比，可以把 Figure 想象成 一张纸 （一般被称之为画布）， Axes 代表的则是 纸中的一片区域 （当然可以有多个区域，这是后续要说到的 subplots ），上一张更形象一点的图。
在 Figure 画布中， Axes1 区域画了一张数据仪表盘， Axes2 区域画了柱状图， Axes3 区域绘制了一张地图，相信还是挺好理解的。
两种绘图方式区别
对着两个概念有基本的了解后，就可以来看看 plt.plot() 和 ax.plot() 有何区别了，下面列出了两种用 Matplotlib 绘制图表的方式。
-
plt
# 第一种方式 plt.figure() plt.plot([1,2,3],[4,5,6]) plt.show()
-
ax
# 第二种方式 fig,ax = plt.subplots() ax.plot([1,2,3],[4,5,6]) plt.show()
绘图效果如下
可以看到，不论是用 plt.plot() 还是 ax.plot() ，结果都是一样的
那区别在哪里？
从第一种方式的代码来看，先生成了一个 Figure 画布，然后在这个 画布上隐式生成一个画图区域进行画图 。
第二种方式同时生成了 Figure 和 axes 两个对象，然后用 ax 对象在 其区域内 进行绘图
如果从 面向对象编程 （对理解 Matplotlib 绘图很重要）的角度来看，显然第二种方式更加易于解释，生成的 fig 和 ax 分别对画布 Figure 和绘图区域 Axes 进行控制，第一种方式反而显得不是很直观，如果涉及到子图 零部件的设置 ，用第一种绘图方式会很难受。
在实际绘图时，也更 推荐使用第二种方式。
subplot的绘制
下面通过介绍 subplots 加深对第二种绘图方式的理解
假如现在我要在一张纸上左边画一个折线图，右边画一个散点图，该如何画呢？
首先要有一个画布 Figure ，其次，需要有两个区域 Axes （等价于两个子图 subplot ）来画图
# 生成画布和axes对象 # nrows=1和ncols=2分别代表1行和2列 fig,ax = plt.subplots(nrows=1,ncols=2)
因为这里有两个画图区域，所以 ax 对应的是一个列表，存储了两个 Axes 对象。
然后分别控制左边和右边的绘图区域进行绘图
fig,ax = plt.subplots(nrows=1,ncols=2) ax[0].plot([1,2,3],[4,5,6]) ax[1].scatter([1,2,3],[4,5,6])
其实到这里了也会发现，一个 Axes 对象对应了一个 subplot 子图，这些个子图都是画在同一个画布 Figure 之上。
读到这里可能已经对 Matplotlib 绘图有点感觉了，下一篇系列文章会接着介绍 Matplotlib 常见组件的设置，有什么疑问可以点下面的的链接给我留言！
往期文章
About The Author
