上一篇部落格中說到，matplotlib中所有畫圖元素（artist）分為兩類：基本型和容器型。容器型元素包括三種：figure、axes、axis。一次畫圖的必經流程就是先建立好figure例項，接著由figure去建立一個或者多個axes，然後通過axes例項呼叫各種方法來新增各種基本型元素，最後通過axes例項本身的各種方法亦或者通過axes獲取axis例項實現對各種元素的細節操控。
本篇部落格繼續上一節的內容，展開介紹三大容器元素建立即通過三大容器可以完成的常用設定。

1 figure

1.1 建立figure

在上文中我們一直提到的figure指的是Figure類的例項化物件，當然我們一般不會直接去例項化Figure類，因為這樣建立的Figure例項物件不能納入序列中共同管理。matplotlib中提供了多種方法建立figure，其中屬pyplot模組中的figure()方法最常用也最方便，下面我們來說說這個方法。

• num：整型或字串型別，可選引數，預設為None。這個引數課可以理解為是figure的身份標識，即id。當值為None時，會建立一個figure例項，該例項的num值會在已有基礎上自增；當該引數不為None時，如果與已有的num值重複，則會切換到該figure使其處於啟用狀態，並返回一個該figure的引用；如果傳入的引數為字串，該字串將會被設定為figure的標題。
• figsize：tuple型別，可選引數，預設為None。通過figsize引數可以設定figure的size，即（width,height)，單位為inch。當值為None時，採用預設size。
• dpi：整型，可選引數，用於設定圖片畫素。
• facecolor：可選引數，用於設定前景色，預設為白色。
• edgecolor：可選引數，用於設定邊框顏色，預設為黑色。
• frameon：bool型別，可選引數，表示是否繪製視窗的圖框，預設是。
• FigureClass：傳入一個類名，當使用自定義的類例項化figure時使用，預設為matplotlib.figure.Figure。
• clear：bool型別，可選引數，預設為False。如果值為True的話，如果figure已存在，則會清除該figure的全部內容。

from matplotlib import pyplot as plt
import matplotlib as mpl
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 中文字型支援

fig = plt.figure(figsize=(4,2),facecolor='grey') # 建立figure
fig.add_axes((0,1,1)) # 必須新增axes後才能顯示
plt.show()

在jupyter編輯器中，空白的figure是不會顯示的，所以必須在figure中至少新增一個axes。

1.2 figure的常用設定

1.2.1 set方法通用設定

建立figure時的各個引數基本都可以通過figure例項物件中對應的對應的set方法進行修改,例如set_facecolor()用來設定前景色，set_size_inches()用來設定大小等。

設定前景色：

fig = plt.figure(figsize=(4,2))
fig.set_facecolor('grey') # 設定前景色
plt.plot()
plt.show()

fig = plt.figure()
fig.set_size_inches(2,3) # 設定大小
plt.plot()
plt.show()

1.2.2 設定figure標題

fig = plt.figure(figsize=(4,2))
fig.suptitle("figure title",color='red') # 設定figure標題
plt.plot()
plt.show()

1.2.3 新增文字

fig = plt.figure(figsize=(4,2))
fig.text(0.5,0.5,"figure text",color='red') # 設定figure標題，前兩個引數分別表示到左邊框和上邊框的百分比距離
plt.plot()
plt.show()

1.2.4 設定圖例

fig = plt.figure(figsize=(5,3))
axes = fig.add_axes((0,0.8,1))
x = np.linspace(0,10,1000)
line1,= axes.plot(x,np.sin(x)) # 注意，line1後面有個逗號，因為plot()方法返回值是一個列表
line2,np.cos(x))
fig.legend([line1,line2],['sin','cos'])
plt.show()

1.2.5 設定子圖間距

fig,axes = plt.subplots(2,2,facecolor='grey')
fig.subplots_adjust(left=None,# 設定畫圖區域與figure上下左右邊框的比例距離
  bottom=None,right=None,top=None,wspace=0.3,# 子圖間水平方向距離
  hspace=1) # 子圖間垂直方向距離
plt.show()

2 axes

axes可以認為是figure這張畫圖上的子圖，因為子圖上一般都是座標圖，所以我更願意理解為軸域或者座標系。

2.1 建立axes

一個figure可以有多個axes,無論是pyplot模組還是figure例項內都定義有多種建立axes的方法。 （1） plt.axes()
plt.axes()是指pyplot模組中的axes()方法，該方法會在當前啟用的figure中建立一個axes，並使建立好的axes處於啟用狀態。當傳入的第一個位置引數為空時，該方法會建立一個佔滿整個figure的axes；通常我們可以傳入一個tuple引數(left,botton,width,height)作為第一個位置引數，tuple中四個元素分別表示與figure左邊框比例距離，邊框寬度佔figure寬度的比例，寬度比例，高度佔figure高度的比例。通過這種方式新增axes時，matplotlib會自動建立一個axes，然後將建立好的axes按照給定的位置和size新增到figure中，最後返回一個axes的引用。

fig1 = plt.figure(figsize=(4,facecolor='grey')
ax1 = plt.axes((0.1,0.1,0.7),facecolor='green')
fig2 = plt.figure(figsize=(4,facecolor='yellow')
ax2 = plt.axes((0.1,0.8),facecolor='red') # 這個axes將會被覆蓋在下面
plt.show()

注意，如果在相同區域新增axes，後面新增的axes會把前面新增的axes覆蓋。

fig = plt.figure(figsize=(4,facecolor='green')
ax2 = plt.axes((0.1,facecolor='red') # 這個axes將會被覆蓋在下面
plt.show()

（2） figure.add_axes()

figure.add_axes()方法的作用是將一個axes新增到figure中，這一方法可以傳入一個已建立好的axes作為第一個引數，add_axes會將傳入的axes新增到figure中，但這種情況使用不多。在大多數情況下，我們會如同上述在plt.axes()方法中那樣傳遞一個tuple引數(left,height)作為第一個位置引數。同樣，如果在相同區域新增axes，後面新增的axes會把前面新增的axes覆蓋。

fig = plt.figure(figsize=(4,facecolor='grey')
fig.add_axes((0.1,0.3,facecolor='green') # 這個axes將會被覆蓋在下面
fig.add_axes((0.5,facecolor='red')
plt.show()

（3） plt.subplot與plt.subplots()

plt.subplot和plt.subplots()是在pyplot模組中定義的兩個方法，兩個方法都是將figure劃分為多行多列的網格，然後新增axes，但功能和用法卻有些許不同。

• plt.subplot()
  

plt.subplot主要包括三個引數(nrows,ncols,index),分別表示行數、列數和索引，該方法會根據指定的行列數對figure劃分為網格，讓後在指定索引的網格中建立axes，並返回該axes的引用。索引是從1開始從左往右，從上到下遞增，例如plt.subplot(2,4)表示將figure劃分為兩行兩列的4個網格，並在第4個子網格中建立一個axes然後返回。注意，每一次呼叫plt.subplot()方法只會在指定索引的子網格中建立axes，而不是在所有子網格中都建立axes，如果需要在多個子網格中建立axes，那麼就需要多次呼叫plt.subplot()指定不同的索引。另外，如果nrows,index三個引數都小於10，可以將這三個引數合併成一個3位整數來寫，例如plt.subplot(2,4)與plt.subplot(224)是完全等效的。

fig = plt.figure(figsize=(4,4),facecolor='grey')
ax1 = plt.subplot(221,facecolor='green')
ax2 = plt.subplot(224,facecolor='red')
plt.show()

• plt.subplots()
  

與plt.subplot()不同的是，plt.subplots()會重新建立一個figure，然後將建立好的figure按照指定的行列數劃分為網格，並在每一個子網格中各建立一個axes，最終同時返回figure和所有子網格中axes組成的numpy陣列中。

fig,facecolor='grey')
fig.suptitle('figure title')
print(type(axes))
axes[0,0].set_facecolor('green')
axes[1,1].set_facecolor('red')
plt.show()

plt.subplots()還有一對引數sharex,sharey用於設定是否共享x軸或y軸，這對引數有取值可以使bool型或'none','all','row','col'這4個字串中的一個，分別有以下含義：

• False 和 'none'表示不共享，任何子圖中的x軸或y軸都是相互獨立的；
• True 和 'all'表示所有子圖共享x軸或y軸；
• 'row' 表示同一行的子圖共享x軸或y軸；
• 'col' 表示同一列的子圖共享x軸或y軸；

fig,sharex=True,sharey=True,facecolor='grey')
fig.suptitle('figure title')
axes[0,1].set_facecolor('red')
plt.show()

（4) figure.add_subplot()與figure.subplots()

figure.add_subplot與上文中介紹過的plt.subplot()無論是功能還是使用方法上都是幾乎一樣的，唯一區別就是plt.subplot()的目標是在當前啟用的figure，而figure.add_subplot()是呼叫add_subplot()方法的figure。

fig = plt.figure(figsize=(4,facecolor='grey')
ax1 = fig.add_subplot(221,facecolor='green')
ax2 = fig.add_subplot(224,facecolor='red')
plt.show()

figure.subplots()的功能、用法又與上文中介紹過的plt.subplots()很相似，區別在於figure.subplots()不會重新建立一個figure，而是對當前的figure進行劃分網格並在每一個網格中都建立一個axes。

fig = plt.figure(facecolor='grey')
axes = fig.subplots(2,2)
axes[0,1].set_facecolor('red')
plt.show()

2.2 axes的常用設定

axes是matplotlib作圖中眾多元素的核心，可以說，大多數的設定都可以通過axes來完成。

2.2.1 設定標題

fig = plt.figure(facecolor='grey')
fig.suptitle("figure 標題",color='red')
ax1 = fig.add_subplot(121)
ax2 = fig.add_subplot(122)
ax1.set_title(' 圖 1') # 設定標題
ax2.set_title(' 圖 2')
plt.show()

2.2.2 設定圖例

fig = plt.figure(figsize=(5,np.sin(x))
line2,np.cos(x))
axes.legend([line1,['正弦','餘弦'])
plt.show()

2.2.3 設定座標軸名稱

fig = plt.figure(figsize=(4,1))
axes = fig.add_axes((0,1))
axes.set_xlabel('x軸',fontsize=15)
axes.set_ylabel('y軸',fontsize=15,color='red')
plt.show()

2.2.4 設定座標軸範圍

fig = plt.figure(figsize=(6,2))
axes = fig.add_axes((0,1))
x = np.linspace(-3,5,np.sin(x))
axes.set_xlim((-3,5)) # 設定橫座標範圍
axes.set_ylim((-3,3)) # 設定縱座標範圍
plt.show()

2.2.5 隱藏邊框

fig = plt.figure(figsize=(6,1))
x = np.linspace(-10,np.sin(x))
axes.set_xlim((-10,10)) # 設定橫座標範圍
axes.set_ylim((-2,2)) # 設定縱座標範圍
axes.spines['right'].set_color('none') #隱藏掉右邊框線
axes.spines['top'].set_color('none') #隱藏掉左邊框線
plt.show()

2.2.6 顯示網格

fig = plt.figure(figsize=(6,2)) # 設定縱座標範圍
axes.grid(True)
plt.show()

2.2.7 添加註釋

fig = plt.figure(figsize=(6,2)) # 設定縱座標範圍
axes.grid(True)
axes.annotate('原點',xy=(0,0),# xy是指向點的座標
  xytext=(2.5,-1.5),# xytext註釋文字的座標
  arrowprops=dict(facecolor='red'))
plt.show()

3 axis

axis在matplotlib中是一種類似於座標軸的概念，負責處理軸標籤、刻度線、刻度標籤、網格線的繪製。在大多數情況下，axis我們手動建立，在建立axes時會一併建立axis，通過axes的例項物件即可呼叫axes內的axis例項。通過axis例項，我們可以實現更加多樣化、細微的圖示操作。
通過axes例項可以呼叫get_xaxis()方法獲取axis例項，然後實現對label等物件的操作。

3.1 axis常用設定

3.1.1 設定座標軸名稱

fig = plt.figure(figsize=(4,facecolor='grey')
axes = fig.add_axes((0,1))

# x軸
axes.get_xaxis().get_label().set_text('x axis')
axes.get_xaxis().get_label().set_color('red')
axes.get_xaxis().get_label().set_fontsize(16)
# y軸
axes.yaxis.get_label().set_text('y axis')
axes.yaxis.get_label().set_color('blue')
axes.yaxis.get_label().set_fontsize(16)
plt.show()

3.1.2 設定座標軸刻度標籤樣式

fig = plt.figure(figsize=(4,1))

# 設定x軸刻度標籤
for tl in axes.get_xaxis().get_ticklabels():
 tl.set_color('red')
 tl.set_rotation(45)
 tl.set_fontsize(16)

plt.show()

3.1.3 設定座標軸刻度位置

import matplotlib.ticker as ticker

# Fixing random state for reproducibility
np.random.seed(19680801)

fig,ax = plt.subplots()
ax.plot(100*np.random.rand(20))

formatter = ticker.FormatStrFormatter('$%1.2f')
ax.yaxis.set_major_formatter(formatter)

for tick in ax.yaxis.get_major_ticks():
 tick.label1.set_visible(False)
 tick.label2.set_visible(True)
 tick.label2.set_color('green')

plt.show()

3.1.4 設定座標軸位置

fig = plt.figure(figsize=(6,2)) # 設定縱座標範圍
axes.spines['right'].set_color('none') #隱藏掉右邊框線
axes.spines['top'].set_color('none') #隱藏掉左邊框線
axes.xaxis.set_ticks_position('bottom') #設定座標軸位置
axes.yaxis.set_ticks_position('left') #設定座標軸位置
axes.spines['bottom'].set_position(('data',0)) #繫結座標軸位置，data為根據資料自己判斷
axes.spines['left'].set_position(('data',0))
plt.show()

4 總結

本文主要介紹matplotlib圖表的三種容器元素：figure、axes、axis。figure是最底層的容器，相當於一張畫布，在畫布上，我們可以畫多個axes，axes就是figure上的子圖，每個axes都是一張獨立的圖表，每個axes包含多個axis，通過axis我們可以實現對圖表更多細節上的操作。
理解了matplotlib圖表三個層次的佈局，我們就可以通過figure -> axes --> axis的流程完成圖表在巨集觀層面的建立。在後續的部落格中，將會繼續介紹對圖表更多更加細節化的設定以及如何畫各種不同的統計圖表。

參考

官方文件：https://matplotlib.org/tutorials/intermediate/artists.html#sphx-glr-tutorials-intermediate-artists-py

以上就是python Matplotlib資料視覺化（2）：詳解三大容器物件與常用設定的詳細內容，更多關於Matplotlib資料視覺化（2）：三大容器物件與常用設定的資料請關注我們其它相關文章！