（转载）Matplotlib 面向对象编程简介

原文链接：

https://pages.alumik.cn/posts/44/

一些摘抄和补充

Matplotlib 中的对象主要有三种， FigureCanvas （画布）， Figure （图像）和 Axes （坐标轴）。而 FigureCanvas 涉及到底层操作，暂时不必深究。

使用 Matplotlib 绘图需要搞清楚图像和坐标轴两个对象。只有真正理解这两个概念，才能获得对整个绘图过程的控制权。

1. 在一个子图中创建两个坐标轴 (e.g. “图中图”)

创建一个坐标轴，可以调用 Figure 实例的 add_axes 方法

import numpy as np
import matplotlib.pyplot  as plt

x = np.linspace(0, 10, 10)
y = np.sin(x)

fig = plt.figure()
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])  # 第一个坐标轴的范围
ax2 = fig.add_axes([0.2, 0.5, 0.4, 0.3])  # 第二个坐标轴的范围
ax1.plot(x, y, 'r')
ax2.plot(x, y, 'g')

fig.show()

这里我们创建了两个坐标轴 ax1 和 ax2 ，分别对两个坐标轴指定范围并作图。

效果：

2. 创建两个子图

AxesSubplot 对象即子图。子图是自带坐标轴的。下列代码会在图像上创建两个子图（一行两列）：

import numpy as np
import matplotlib.pyplot as plt

x = np.arange(1, 100, 1)

fig = plt.figure()

ax1 = fig.add_subplot(121)
ax1.plot(x, x, label='linear')
ax1.grid(color='g', linestyle='--')  # 设置网格
ax1.legend()                         # 设置图例

ax2 = fig.add_subplot(122)
ax2.plot(x, x ** 2, label='quadratic')

fig.show()

效果：

3. 设置图像尺寸

在创建 Figure 对象的时候，我们可以使用 figsize 和 dpi 控制图像的尺寸。比如：

fig = plt.figure(figsize=(16,8), dpi=100)

figsize 表示图像长宽大小，单位为英寸。 dpi 表示每英寸的像素值。因此上面的命令创建了一张 1600*800 像素的图像。

4. 保存图像

从上面输出的结果来看， plt.show 仅仅是将图像显示了出来。如果要保存图像，还需要通过 savefig 保存。没有显式指定图像和坐标轴，直接使用 plt.savefig 保存也可以，若显式指定了图像可以用 Figure 实例的 savefig 方法。 Matplotlib 可以将图像保存为多种格式的高质量图片，包括 PNG ， JPG ， EPS ， SVG ， PGF 和 PDF 等，只要写好后缀名即可。例如：

fig.savefig('result.png')

面向对象编程 和 使用matplotlib.pylot 区别 [均以x轴举例]

面向对象编程	matplotlib.pyplot 接口	用途
ax.set_title	plt.title	标题
ax.set_xlabel(xlabel, font2)	plt.xlabel	x轴标签
ax.set_xlim	plt.xlim	Set the x-axis view limits.
ax.set_xscale('log')	plt.xscale(xscale)	Set the x-axis scale. value :
ax.tick_params(axis='both', which='major', labelsize=15)	plt.xticks(fontsize=15)	Change the appearance of ticks, tick labels, and gridlines. axis : {'x', 'y', 'both'}, optional

官方文档：

https://matplotlib.org/stable/index.html#