1.2 Figure 和 Axes 对象

1.2 Figure 和 Axes 对象

Matplotlib Figure 和 Axes 对象详解：构建图表的基础

Matplotlib 是 Python 中最流行的绘图库之一，它提供了强大的工具，用于创建各种静态、动态、交互式的可视化图表。在 Matplotlib 的世界中，Figure (画布) 和 Axes (坐标轴) 是构建任何图表的核心和基础。理解这两个对象的概念及其相互关系，是掌握 Matplotlib 的关键第一步。

1.2.1 Figure 对象：画布 – 图表的容器

在 Matplotlib 中，Figure 对象代表整个图表。你可以将其想象成一块画布，所有的绘图元素，例如坐标轴 (Axes)、标题、图例、文本注释等，都将绘制在这块画布上。一个 Figure 可以包含一个或多个 Axes 对象，以及其他类型的 "Artist" 对象（Artist 是 Matplotlib 中所有可见元素的基类）。

1.2.1.1 创建 Figure 对象

最简单的方式是使用 matplotlib.pyplot 模块（通常简写为 plt）中的 figure() 函数来创建一个 Figure 对象。

import matplotlib.pyplot as plt
# 创建一个新的 Figure 对象
fig = plt.figure()
# 显示 Figure 对象 (可选，在某些环境下会自动显示)
plt.show()
​

这段代码会创建一个空白的 Figure 对象。如果你运行这段代码，可能会看到一个空白的窗口弹出（取决于你的 Matplotlib 配置和运行环境，例如 Jupyter Notebook 或独立的 Python 脚本）。

代码详解：

• import matplotlib.pyplot as plt: 导入 matplotlib.pyplot 模块并将其命名为 plt。这是 Matplotlib 中最常用的模块，提供了类似于 MATLAB 的绘图接口。

• fig = plt.figure(): 调用 plt.figure() 函数创建一个新的 Figure 对象，并将返回的 Figure 对象赋值给变量 fig。

• plt.show(): 显示所有打开的 Figure 对象。在脚本中，通常需要调用 plt.show() 来显示图表。在交互式环境（如 Jupyter Notebook）中，通常可以省略 plt.show()，图表会自动显示。

1.2.1.2 Figure 对象的常用属性和方法

Figure 对象拥有许多属性和方法，用于控制画布的各个方面，例如大小、背景颜色、标题等。

常用属性：

• figsize: 设置 Figure 的尺寸，以英寸为单位，是一个二元元组 (width, height)。

• dpi: 每英寸点数 (dots per inch)，影响图像的像素密度和最终输出质量。

• facecolor: Figure 的背景颜色。

• edgecolor: Figure 边缘的颜色。

常用方法：

• add_axes(rect, **kwargs): 向 Figure 中添加一个新的 Axes 对象，rect 定义了 Axes 在 Figure 中的位置和大小，是一个列表 [left, bottom, width, height]，值介于 0 和 1 之间，代表 Figure 宽高的比例。

• add_subplot(*args, **kwargs): 向 Figure 中添加一个新的子图 (Axes 对象)，更方便地创建网格布局的子图。

• suptitle(t, **kwargs): 为 Figure 添加一个总标题，显示在所有 Axes 之上。

• savefig(fname, **kwargs): 将 Figure 保存到文件，支持多种图像格式 (PNG, JPG, SVG, PDF 等)。

代码实践：自定义 Figure 对象

import matplotlib.pyplot as plt
# 创建一个 Figure 对象，设置尺寸和背景颜色
fig = plt.figure(figsize=(8, 6), facecolor='lightgray')
# 添加 Figure 总标题
fig.suptitle('Customized Figure Example', fontsize=16, color='darkblue')
# 显示 Figure 对象
plt.show()
​

这段代码创建了一个尺寸为 8x6 英寸，背景颜色为浅灰色的 Figure 对象，并添加了一个深蓝色的总标题。

1.2.1.3 Mermaid 图：Figure 对象结构

我们可以用 Mermaid 的 graph TD 图来可视化 Figure 对象的结构：

图表解释：

• Figure (画布) 是最顶层的容器。

• Axes Object(s)：Figure 中可以包含一个或多个 Axes 对象，用于实际的绘图区域。

• Artist Objects (Other Artists...)：Figure 还可以包含其他 Artist 对象，例如 Figure 的总标题、图例等，这些元素都属于 Figure 的一部分。

1.2.2 Axes 对象：坐标轴 – 实际绘图区域

Axes 对象是 Matplotlib 中进行实际绘图操作的核心。它代表了图表中的坐标轴区域，是我们绘制线条、散点、柱状图等各种图表的场所。一个 Figure 对象可以包含多个 Axes 对象，形成子图 (subplots)。

注意： 容易混淆的概念是 "axes" 和 "axis"。Axes (复数) 指的是整个坐标轴区域，包括 x 轴、y 轴、绘图区域、标题、标签等。而 Axis (单数) 指的是坐标轴本身，例如 x 轴或 y 轴。

1.2.2.1 创建 Axes 对象

Axes 对象通常通过 Figure 对象来创建和添加。以下是几种常用的创建 Axes 对象的方法：

1. fig.add_axes(rect): 在 Figure 中添加一个自定义位置和大小的 Axes 对象。

2. fig.add_subplot(*args, **kwargs): 在 Figure 中添加一个子图 (Axes 对象)，可以指定子图的网格布局。

3. plt.axes(rect, **kwargs): 使用 pyplot 模块直接创建一个 Axes 对象并添加到当前的 Figure 中（如果不存在 Figure，则会自动创建一个）。

4. plt.subplot(*args, **kwargs): 使用 pyplot 模块直接创建一个子图 (Axes 对象) 并添加到当前的 Figure 中。

代码实践：创建不同类型的 Axes 对象

import matplotlib.pyplot as plt
import numpy as np
# 创建 Figure 对象
fig = plt.figure(figsize=(10, 8))
# 1. 使用 add_axes 创建自定义位置和大小的 Axes
ax1 = fig.add_axes([0.1, 0.6, 0.3, 0.3])  # [left, bottom, width, height] 比例
ax1.set_title('axes([0.1, 0.6, 0.3, 0.3])')
# 2. 使用 add_subplot 创建子图 (2行2列的第一个)
ax2 = fig.add_subplot(2, 2, 1) # (rows, cols, index)
ax2.set_title('subplot(2, 2, 1)')
# 3. 使用 plt.axes 创建 Axes (默认位置和大小)
ax3 = plt.axes([0.5, 0.1, 0.4, 0.4]) # 注意：这里会添加到当前的 Figure (fig) 中
ax3.set_title('plt.axes([0.5, 0.1, 0.4, 0.4])')
# 4. 使用 plt.subplot 创建子图 (2行2列的第二个)
ax4 = plt.subplot(2, 2, 2) # 注意：这里也会添加到当前的 Figure (fig) 中
ax4.set_title('plt.subplot(2, 2, 2)')
# 在 Axes 上绘制一些简单的图形 (示例)
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax1.plot(x, y, color='red')
ax2.scatter(x, y, color='green', marker='o')
ax3.bar(range(5), [10, 15, 7, 12, 9], color='blue')
ax4.plot(x, np.cos(x), color='purple', linestyle='--')
plt.show()
​

代码详解：

• fig.add_axes([0.1, 0.6, 0.3, 0.3]): 在 Figure 中添加一个 Axes 对象，其左下角坐标位于 Figure 宽度的 10% 和高度的 60% 处，宽度和高度分别占 Figure 宽高的 30%。

• fig.add_subplot(2, 2, 1): 在 Figure 中创建一个 2x2 的子图网格，并选择第一个子图 (索引为 1)。子图的编号顺序是按行优先从 1 开始计数。

• plt.axes([0.5, 0.1, 0.4, 0.4]) 和 plt.subplot(2, 2, 2): 使用 plt.axes() 和 plt.subplot() 函数，它们会自动获取当前的 Figure 对象（如果存在），并将创建的 Axes 或子图添加到该 Figure 中。如果没有 Figure 对象，则会自动创建一个新的 Figure。

• ax1.set_title(...), ax2.set_title(...) 等: 使用 ax.set_title() 方法为每个 Axes 对象设置标题，方便区分不同的 Axes。

• ax1.plot(x, y, ...)， ax2.scatter(x, y, ...) 等: 在不同的 Axes 对象上绘制不同的图形，例如折线图、散点图、柱状图等，演示如何在不同的 Axes 上进行绘图操作。

1.2.2.2 Axes 对象的常用属性和方法

Axes 对象也拥有丰富的属性和方法，用于控制坐标轴的各个方面，例如标题、标签、刻度、轴的范围、网格线等。

常用属性：

• title: Axes 的标题。

• xlabel: x 轴的标签。

• ylabel: y 轴的标签。

• xlim: x 轴的范围，是一个二元元组 (xmin, xmax)。

• ylim: y 轴的范围，是一个二元元组 (ymin, ymax)。

• xticks: x 轴刻度的位置。

• yticks: y 轴刻度的位置。

• xticklabels: x 轴刻度的标签。

• yticklabels: y 轴刻度的标签。

常用方法：

• set_title(label, **kwargs): 设置 Axes 的标题。

• set_xlabel(label, **kwargs): 设置 x 轴的标签。

• set_ylabel(label, **kwargs): 设置 y 轴的标签。

• set_xlim(xmin, xmax): 设置 x 轴的范围。

• set_ylim(ymin, ymax): 设置 y 轴的范围。

• set_xticks(ticks): 设置 x 轴刻度的位置。

• set_yticks(ticks): 设置 y 轴刻度的位置。

• set_xticklabels(labels): 设置 x 轴刻度的标签。

• set_yticklabels(labels): 设置 y 轴刻度的标签。

• grid(True, **kwargs): 显示网格线。

• plot(*args, **kwargs): 绘制折线图。

• scatter(*args, **kwargs): 绘制散点图。

• bar(*args, **kwargs): 绘制柱状图。

• hist(*args, **kwargs): 绘制直方图。

• legend(*args, **kwargs): 显示图例。

代码实践：自定义 Axes 对象

import matplotlib.pyplot as plt
import numpy as np
# 创建 Figure 和 Axes 对象
fig, ax = plt.subplots(figsize=(8, 6))
# 生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
# 绘制折线图
ax.plot(x, y, label='sin(x)', color='blue', linestyle='-')
# 设置 Axes 标题和标签
ax.set_title('Customized Axes Example', fontsize=14)
ax.set_xlabel('X-axis', fontsize=12)
ax.set_ylabel('Y-axis', fontsize=12)
# 设置 x 和 y 轴的范围
ax.set_xlim(0, 10)
ax.set_ylim(-1.2, 1.2)
# 设置 x 和 y 轴的刻度
ax.set_xticks([0, 2, 4, 6, 8, 10])
ax.set_yticks([-1, -0.5, 0, 0.5, 1])
# 添加网格线
ax.grid(True, linestyle='--', alpha=0.7)
# 显示图例
ax.legend()
# 显示 Figure
plt.show()
​

这段代码创建了一个包含一个 Axes 对象的 Figure，并在 Axes 上绘制了正弦曲线。代码中演示了如何设置 Axes 的标题、标签、轴范围、刻度、网格线和图例等属性。

1.2.2.3 Mermaid 图：Axes 对象结构

我们可以用 Mermaid 的 graph TD 图来可视化 Axes 对象的结构：

图表解释：

• Axes (坐标轴区域) 是实际绘图的核心区域。

• XAxis 和 YAxis: 代表 x 轴和 y 轴。

• Plotting Area: 实际绘制图形的区域。

• Title, X Label, Y Label: Axes 的标题和轴标签。

• XTicks & Labels, YTicks & Labels: x 轴和 y 轴的刻度和刻度标签。

• Grid Lines: 网格线。

• Spines (Axes Borders): Axes 的边框线。

• Data Plots (Lines, Bars...): 在 Axes 上绘制的各种数据图表。

• Legend: 图例。

1.2.3 Figure 和 Axes 对象的层级关系

Figure 和 Axes 对象之间存在明显的层级关系：Figure 是容器，Axes 是 Figure 中的绘图区域。一个 Figure 可以包含多个 Axes，通过不同的布局方式，可以创建出复杂的图表，例如包含多个子图的图表。

Mermaid 图：Figure 和 Axes 的层级关系

图表解释：

• Figure Object 是顶层对象，用粗边框和浅绿色填充表示。

• Axes Object 1, Axes Object 2, Axes Object N 代表 Figure 中包含的多个 Axes 对象，用浅蓝色填充表示。

• 箭头表示 Figure 对象包含 Axes 对象，线条粗细表示层级关系。

理解这种层级关系非常重要，因为在 Matplotlib 中，我们通常先创建 Figure 对象，然后在 Figure 对象中添加 Axes 对象，最后在 Axes 对象上进行绘图操作。

1.2.3.1 子图 (Subplots)

子图是 Figure 中多个并排排列的 Axes 对象，常用于比较不同数据集或不同类型的图表。Matplotlib 提供了多种方法创建子图，例如 plt.subplot() 和 fig.add_subplot()。

代码实践：创建子图

import matplotlib.pyplot as plt
import numpy as np
# 创建 Figure 对象
fig = plt.figure(figsize=(12, 8))
# 创建 2x2 的子图网格
ax1 = fig.add_subplot(2, 2, 1) # 第一行第一列
ax2 = fig.add_subplot(2, 2, 2) # 第一行第二列
ax3 = fig.add_subplot(2, 2, 3) # 第二行第一列
ax4 = fig.add_subplot(2, 2, 4) # 第二行第二列
# 在每个子图上绘制不同的图形
x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), color='red')
ax2.scatter(x, np.cos(x), color='green')
ax3.bar(range(5), [20, 15, 25, 10, 30], color='blue')
ax4.hist(np.random.randn(1000), bins=30, color='purple', alpha=0.7)
# 设置子图的标题 (可选)
ax1.set_title('Sine Wave')
ax2.set_title('Cosine Wave')
ax3.set_title('Bar Chart')
ax4.set_title('Histogram')
# 调整子图之间的间距，避免重叠 (可选)
plt.tight_layout()
# 显示 Figure
plt.show()
​

这段代码创建了一个 2x2 的子图网格，并在每个子图上绘制了不同的图形。plt.tight_layout() 函数用于自动调整子图之间的间距，避免标题或标签重叠。

1.2.4 总结

Figure 和 Axes 对象是 Matplotlib 中构建图表的基础。理解它们的概念和关系对于有效地使用 Matplotlib 至关重要。

• Figure 对象 (画布) 是整个图表的容器，可以包含一个或多个 Axes 对象以及其他 Artist 对象。

• Axes 对象 (坐标轴) 是实际的绘图区域，我们所有的绘图操作都是在 Axes 对象上进行的。

• Figure 和 Axes 之间存在层级关系：Figure 包含 Axes。

• 通过创建多个 Axes 对象，可以实现子图等复杂的图表布局。

掌握 Figure 和 Axes 对象的操作，是深入学习 Matplotlib，创建各种定制化图表的基石。在后续的学习中，我们将继续围绕 Figure 和 Axes 对象，探索更多高级的绘图技巧和功能。