1.2 Figure 和 Axes 对象

1.2 Figure 和 Axes 对象

本节摘要：Figure 是 Matplotlib 的顶层画布，一张图上所有的内容都挂在它里面；Axes 是画布上的坐标系区域，是真正把数据画出来的地方；而 Artist 是所有可见元素（线、文本、刻度、图例）的共同基类。理解这三者的层级关系，是驾驭 Matplotlib 的第一道门。本节先把"为什么要分画布和坐标系两层"的直觉讲清楚，再逐个拆开这两个对象，最后对比 pyplot 快捷接口和面向对象接口的差异，帮你彻底摆脱"plt 和 ax 到底用哪个"的困惑。

本节目标

阅读完本节，你应当能够：

1. 用自己的话解释 Figure 与 Axes 的分工，以及为什么要拆成两层
2. 分得清 Axes（坐标系区域）和 Axis（横轴或纵轴）这两个极易混淆的词
3. 说出 Artist 是什么，以及它和 Figure、Axes 的包含关系
4. 区分 pyplot 快捷接口和面向对象接口，判断各自适用场景
5. 读懂并复现"一个 Figure 里放多个 Axes"的布局代码

一、为什么非要分"画布"和"坐标系"两层

第一次看 Matplotlib 代码的人，几乎都会被 fig, ax = plt.subplots() 这句弄糊涂：为什么画个图要返回两个东西？fig 和 ax 到底谁是图？

答案藏在一个很朴素的现实里：一张纸可以同时画好几幅互不相干的小图，但每幅小图又各有各的横轴纵轴。 如果 Matplotlib 只给你一个对象，你既没法描述"这张大纸多大"，也没法描述"这幅小图在哪、它的轴范围是多少"。所以它干脆把职责拆成两层——纸是一层，纸上的图是另一层。

• Figure 是那张纸，管的是全局：整张图多大、背景什么色、分辨率多高、纸上一共放几幅小图。
• Axes 是纸上的一幅图，管的是局部：这幅图自己的两条轴、自己的标题、自己的数据。

这个拆法解决了一个很实际的场景——多子图。你想在一张报告图里并排放"销售额折线"和"各区域柱状图"，就得先有一张能装下两个坐标系的画布，再往里面塞两个 Axes。如果只有一层对象，这个需求根本表达不了。

💡 关键直觉：别把 Figure 和 Axes 想成两个平级的"图"，它们是从属关系——Axes 是"长在" Figure 里的。画布是容器，坐标系是容器里的内容。这个主次关系一旦立住，后面所有接口都好记了。

二、Figure：那张纸

Figure 就是整张画布。它自己不画数据，只负责"撑场面"——定尺寸、定底色、定分辨率，以及提供一个让 Axes 挂上去的地方。

创建一个 Figure，最直接的方式是 plt.figure()，它会返回一个 Figure 对象。但更常用的其实是 plt.subplots()，因为后者在创建画布的同时，顺手就帮你挂好了一个 Axes——对"画一幅图"这个最常见需求来说，它一步到位。

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(8, 6))   # 一张 8×6 英寸的画布
ax = fig.add_subplot(111)          # 在画布上挂一个坐标系
ax.plot([1, 2, 3], [1, 4, 2])
​

上面这段和 plt.subplots() 做的事本质一样，只是拆得更细，把"建画布"和"挂坐标系"分成了两步。拆开看，你才能看清 Figure 的职责。

Figure 身上有几个最常用的属性值得现在记一下：figsize 定画布的长宽（单位是英寸），dpi 定每英寸的像素点数（影响清晰度），facecolor 定背景色。这些名字在第 1.5 节保存图像时还会反复出现。

⚠️ 常见坑：figsize 的单位是英寸，不是像素，也不是厘米。很多人想"把图调成 800 像素宽"，结果写了个 figsize=(800, 600)，得到一张巨大的画布。真正的像素宽，是 figsize 的英寸数乘上 dpi 算出来的。

三、Axes：纸上那个坐标系

Axes 是真正干活的地方。你所有绘图函数——画线、画点、画柱——最终都作用在某个 Axes 上。一个 Axes 里包含了一整组元素：横轴、纵轴、标题、轴标签、刻度、图例、以及画出来的数据图形本身。

这里必须先拆一个让无数人栽跟头的词：Axes 和 Axis 不是一回事。

• Axes（读音接近"艾克西兹"，复数形式）：指整个坐标系区域，含两条轴、标题、图例、绘图区——是一个"框"。
• Axis（单数）：只指横轴或纵轴那一条线——是"框"的一条边。

你可以这样记：一个 Axes 里面有两条 Axis。ax.set_title 是给整个 Axes 设标题，ax.set_xlabel 是给其中一条 Axis 设标签。前者是"框"的级别，后者是"边"的级别。

import matplotlib.pyplot as plt

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [2, 1, 3])

ax.set_title("标题挂在 Axes 上")   # 整个坐标系区域
ax.set_xlabel("这是 x 轴（Axis）")
ax.set_ylabel("这是 y 轴（Axis）")
ax.set_xlim(0, 4)                 # 控制一条轴的范围
ax.set_ylim(0, 4)
​

这段代码里，set_title 作用在 Axes 整体上，set_xlim 和 set_ylim 则分别作用在两条 Axis 上。把这两类方法分清，你就不会再把"设标题"和"设轴"混在一起。

四、Artist：你看见的一切

Figure 和 Axes 之外，还有第三个词会反复出现——Artist。它是 Matplotlib 里所有可见元素的基类：一条折线是一个 Artist，一个标题文本是一个 Artist，一个刻度线也是一个 Artist。

它不像 Figure、Axes 那样是"一个具体的对象"，而是一个"类别"——Figure 和 Axes 本身其实也是 Artist 的特例。这张层级图能帮你看清三者的关系：

这张图的信息量很大，但核心就一条：从 Figure 往下，一层层都是 Artist。 你现在不必记住每个子元素的名字，只需要建立一个直觉——在 Matplotlib 里，你调的任何"外观"，本质上都是在改某个 Artist 的属性。1.4 节讲的颜色、线型、标记，全是在给这些 Artist 设属性。

💡 关键直觉：当你看到一张图想"这个字太小了想改大点"，其实是在问"这个文本 Artist 的字号属性是哪个"。Matplotlib 里几乎所有的定制，都是"找到对应的 Artist，改它的属性"。这个思维方式能让你从"死记参数"升级到"按图索骥"。

五、两种接口：plt 快捷，还是 ax 精确

搞懂对象之后，还有一个绕不开的困惑：为什么有的教程写 plt.plot(...)，有的写 ax.plot(...)？这两个都能画图，区别在哪？

答案是 Matplotlib 提供两套接口，一套快捷、一套精确：

• pyplot 接口（plt.xxx）：背后维护一个"当前画布、当前坐标系"的隐式状态。你连续调 plt.plot、plt.title，它都知道作用在最近那个坐标系上。写起来短，适合快速探索、画单张图。
• 面向对象接口（fig.xxx / ax.xxx）：你手里明确握着 fig 和 ax 这两个对象，所有操作都显式指定作用对象。写起来稍长，但不会含糊，适合画多子图、做精细控制。

我的建议很明确：哪怕画单张图，也优先用面向对象接口。 原因很实在——plt.plot 那套"当前状态"在只有一个图时看不出问题，一旦你要加第二张子图、或者代码要给别人维护，隐式状态就开始咬人：你以为是画到 A 图，结果画到了 B 图。ax.plot 从第一天就把"画在哪"写清楚，习惯成本极低，收益却很大。

import matplotlib.pyplot as plt

# 面向对象接口：一次建 1 行 2 列，共两个坐标系
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))

ax1.plot([1, 2, 3], [1, 4, 2])     # 明确画在左边这个 ax1
ax2.plot([1, 2, 3], [3, 1, 2])     # 明确画在右边这个 ax2
ax1.set_title("左图")
ax2.set_title("右图")
​

这段代码里，"画在哪"这件事从对象名 ax1、ax2 上一眼就能看出来。等你在第 2 章学多子图时，这套写法会直接复用。

图 一个 Figure 包含多个 Axes 的布局示意

一句话点题：Figure 是"一"，Axes 是"多"——一张画布上可以并排放多个坐标系，每个坐标系各画各的图，这就是多子图的全部秘密。

六、三种建 Axes 的方式，各用在什么时候

创建 Axes 的入口不止 plt.subplots 一个，Matplotlib 给了好几种，各有各的用场。把它们分清，你就能在合适的地方用合适的工具。

• plt.subplots：一次创建画布加一组规整网格的 Axes，最常用。它返回 (fig, axes)，单个 Axes 时 axes 是一个对象，多个时是一个数组。绝大多数场景用这一个就够。
• fig.add_subplot(rows, cols, index)：在已有画布上按"行、列、序号"逐个加 Axes，适合已经握着画布、想慢慢往里填的情况。序号从 1 开始，按"从左到右、从上到下"数。
• fig.add_axes([left, bottom, width, height])：按"相对画布的比例"精确定位一个 Axes。四个数分别是左下角的横坐标、纵坐标、宽、高，都是 0 到 1 之间的小数，适合画中画、非规整布局这类要把图摆到任意位置的场景。

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(10, 6))

ax1 = fig.add_subplot(2, 2, 1)                # 2 行 2 列里的第 1 个
ax2 = fig.add_subplot(2, 2, 2)                # 第 2 个
ax3 = fig.add_axes([0.6, 0.1, 0.3, 0.3])      # 在右下角自定义一个小图

ax1.plot([1, 2, 3], [1, 4, 2])
ax2.plot([1, 2, 3], [3, 1, 2])
ax3.plot([1, 2, 3], [2, 2, 2])
​

add_axes 平时用得不多，但它是理解"坐标是相对画布的比例"这套坐标系的好例子：left 和 bottom 定左下角位置，width 和 height 定尺寸，全部用画布宽高的比例表达。这套"相对坐标"的思维，第 4 章讲坐标变换时还会更深入地出现，现在先混个眼熟就行。

七、Figure 级与 Axes 级：总标题和子标题

搞懂两层对象的分工后，有个细节会变得很自然——总标题和子标题是两个不同的方法。

• ax.set_title 给某一个 Axes 设标题，属于"子标题"。
• fig.suptitle 给整张 Figure 设总标题，显示在所有 Axes 之上，属于"总标题"。

当你画一张含多个子图的大图时，通常两者都要：suptitle 说明整张图在讲什么（比如"华东各城市销售对比"），每个 set_title 说明各自子图在讲什么（比如"上海""杭州"）。

import matplotlib.pyplot as plt

fig, axes = plt.subplots(1, 2, figsize=(10, 4))
fig.suptitle("华东销售对比（总标题）", fontsize=16)

axes[0].plot([1, 2, 3], [1, 4, 2])
axes[0].set_title("上海")
axes[1].plot([1, 2, 3], [3, 1, 2])
axes[1].set_title("杭州")
​

这个"总标题加子标题"的组合，正是 Figure 和 Axes 两层对象各自承担职责的直接体现：总标题挂在 Figure 上，子标题挂在各自的 Axes 上。能分清这两个方法分别改的是谁，就说明对象模型真正想明白了。

⚠️ 常见坑：把总标题误写成 fig.set_title。Figure 没有 set_title 这个常规方法，它的总标题方法叫 suptitle（super title 的缩写，即"总标题"）。记不住时就想：总标题在子标题之上，所以带一个"super"。

八、两个关于对象的常见疑问

Axes 到底是单数还是复数？

它始终是复数形式（词尾带 s），即便你只画一个坐标系，这个对象在 Matplotlib 里也叫 Axes，而不是 Axe 或 Axis。你可以把它当成一个"永远带 s"的专有名词——它指代的是"坐标系区域"这个整体，而不是某一条轴。一个坐标、多个坐标，都叫 Axes；单数的 Axis 只用来指横轴或纵轴那一条线。

我不确定该用 plt 还是 ax 时，怎么选？

默认选 ax（面向对象接口）。只有一种情况 plt 更省事：你只想临时画一张图快速看一眼，不打算保留成代码，也不会出现多图需求。除此之外，都用 ax——它从一开始就写清楚"画在哪"，代码越往后、图越复杂，越不容易出错。

一次建了好几个 Axes，怎么分别拿到它们？

plt.subplots 在子图多于一个时，返回的第二个值是一个数组（而不是单个对象），数组里的每个元素对应一个 Axes，按"从左到右、从上到下"的顺序排列。你可以解包一次拿全，也可以用下标单独取。

fig, axes = plt.subplots(2, 2)   # 返回 2×2 的 Axes 数组
axes[0, 0].plot([1, 2, 3], [1, 2, 3])   # 左上
axes[1, 1].plot([1, 2, 3], [3, 2, 1])   # 右下
​

这里 axes[0, 0] 是左上角、axes[1, 1] 是右下角，下标就是"第几行、第几列"。这个"返回值是数组"的细节，等第 2 章专门讲多子图时会成为主力写法，现在先知道有这个形态即可。

一节小结

• Figure 是画布，Axes 是坐标系，两者是从属关系，不是平级关系。
• 分两层是为了支持"一张纸放多幅图"，这是多子图能成立的前提。
• Axes（复数，整个区域）≠ Axis（单数，一条轴），一个 Axes 里有两条 Axis。
• Artist 是所有可见元素的基类，线、文本、刻度、图例都是它，Figure 和 Axes 本身也是它的特例。
• pyplot 接口靠隐式状态，面向对象接口靠显式对象，画多图或正式产出时优先面向对象接口。
• figsize 单位是英寸不是像素，真实像素由 figsize 乘 dpi 决定。

下一节我们正式动手，把数据真正画进这个坐标系里——plot、scatter、bar、hist 四个最基础的绘图函数，以及它们各自适合什么样的数据。