matplotlib使用教程(二)：Axes和subplot
原创
这一系列文章原载于公众号工程师milter，如果文章对大家有帮助，恳请大家动手关注下哈~
今天继续分析matplotlib中的基本概念。
在上一篇文章中，我们获得了一个figure，并且也大致了解了一下figure的相关设置项。
现在，我们要在figure上画图了。你本来以为直接在figure上画就行了，但事实没这么简单。matplotlib允许我们将一个figure通过栅格系统划分成不同的格子，然后在格子中画图，这样就可以在一个figure中画多个图了。这里的每个格子有两个名称：Axes和subplot。subplot是从figure所有的格子来看的。因为figure要统一管理协调这些格子的位置、间隔等属性，管理协调的方法和属性设置就在subplots的层面进行。
Axes是从作为画图者的我们的角度来定义的，我们要画的点、线等都在Axes这个层面来进行。画图用的坐标系统自然也是在Axes中来设置的。
搞清楚这两个概念后，我们就来看看如何将figure划分格子，并获得我们画图使用的Axes。
通过下边的代码，我们将整个fig划分成了2x2 4个subplots。返回给我们的自然是四个axes，可以通过查看axes证实：
axes = fig.subplots(2,2)
在上图里，我们看到返回的对象是AxesSubplot，它实质上是包含了Axes的Subplot。在使用上，我们完全可以把它当做Axes使用。
如果我们只想在figure上画一幅图，就有两种方法：
axes = fig.subplots(1,1)
or
axes = fig.subplots()此时得到的axes是就是一个AxesSubplot对象。
如果大家观察仔细，会看到里面有3个值，它们确定了subplot在figure中的位置。可以通过下图感受到：
fig = plt.figure()
fig.set_facecolor("green")
axis = fig.subplots()
plt.show()
前两个值实际上是坐标原点相对于figure左下角的位置。第三个值是subplot的宽和高。
figure中还有一个方法：add_subplot。其目的也是将figure划分成栅格，并获取其中某一个。使用方法如下所示：
fig = plt.figure()
ax1 = fig.add_subplot(2, 3, 1)
fig.add_subplot(232, facecolor="blue")
fig.add_subplot(233, facecolor="yellow")
fig.add_subplot(234, sharex=ax1)
fig.add_subplot(235, facecolor="red")
fig.add_subplot(236, facecolor="green")
plt.show()
这里有两个地方需要注意一下。add_subplot(232)和add_subplot(2,3,2)等价的。
另外，如果将最后一个236改成436，你猜会发生什么呢？
答案是如下所示：
可以看到436 相当于将figure重新划分了网格，并将第6个网格设置成绿色。
两种不同的网格划分产生了重叠。这再次体现了matplotlib的灵活性。
最佳的实践是：在开始时就将figure的网格划分好，并不再改变。
Axes 概览
最后，我们还是通览一下Axes的属性：
{'figure': <Figure size 432x288 with1 Axes>,
'_subplotspec': <matplotlib.gridspec.SubplotSpec at 0x7f039a304bd0>,
'figbox': Bbox([[0.125, 0.125], [0.9, 0.88]]),
'rowNum': 0,
'colNum': 0,
'numRows': 1,
'numCols': 1,
'_stale': True,
'stale_callback': <function matplotlib.figure._stale_figure_callback(self, val)>,
'_axes': <matplotlib.axes._subplots.AxesSubplot at 0x7f039b097f90>,
'_transform': None,
'_transformSet': False,
'_visible': True,
'_animated': False,
'_alpha': None,
'clipbox': None,
'_clippath': None,
'_clipon': True,
'_label': '',
'_picker': None,
'_contains': None,
'_rasterized': None,
'_agg_filter': None,
'_mouseover': False,
'eventson': False,
'_oid': 0,
'_propobservers': {},
'_remove_method': <bound method Figure._remove_ax of <Figure size 432x288 with1 Axes>>,
'_url': None,
'_gid': None,
'_snap': None,
'_sketch': None,
'_path_effects': [],
'_sticky_edges': _XYPair(x=[], y=[]),
'_in_layout': True,
'_position': Bbox([[0.125, 0.125], [0.9, 0.88]]),
'_originalPosition': Bbox([[0.125, 0.125], [0.9, 0.88]]),
'_aspect': 'auto',
'_adjustable': 'box',
'_anchor': 'C',
'_sharex': None,
'_sharey': None,
'bbox': <matplotlib.transforms.TransformedBbox at 0x7f039a304a10>,
'dataLim': Bbox([[inf, inf], [-inf, -inf]]),
'viewLim': Bbox([[0.0, 0.0], [1.0, 1.0]]),
'transScale': <matplotlib.transforms.TransformWrapper at 0x7f0399f6ae90>,
'transAxes': <matplotlib.transforms.BboxTransformTo at 0x7f0399f6a690>,
'transLimits': <matplotlib.transforms.BboxTransformFrom at 0x7f0399f6a410>,
'transData': <matplotlib.transforms.CompositeGenericTransform at 0x7f039b091ed0>,
'_xaxis_transform': <matplotlib.transforms.BlendedGenericTransform at 0x7f039b091310>,
'_yaxis_transform': <matplotlib.transforms.BlendedGenericTransform at 0x7f039b091610>,
'_axes_locator': None,
'spines': OrderedDict([('left', <matplotlib.spines.Spine at 0x7f039ac36050>),
('right', <matplotlib.spines.Spine at 0x7f039ac368d0>),
('bottom', <matplotlib.spines.Spine at 0x7f039ac36410>),
('top', <matplotlib.spines.Spine at 0x7f039ac36810>)]),
'xaxis': <matplotlib.axis.XAxis at 0x7f039b0913d0>,
'yaxis': <matplotlib.axis.YAxis at 0x7f039b146510>,
'_facecolor': 'white',
'_frameon': True,
'_axisbelow': 'line',
'_rasterization_zorder': None,
'_connected': {},
'ignore_existing_data_limits': True,
'callbacks': <matplotlib.cbook.CallbackRegistry at 0x7f039ac36cd0>,
'_autoscaleXon': True,
'_autoscaleYon': True,
'_xmargin': 0.05,
'_ymargin': 0.05,
'_tight': None,
'_use_sticky_edges': True,
'_get_lines': <matplotlib.axes._base._process_plot_var_args at 0x7f039a2e9850>,
'_get_patches_for_fill': <matplotlib.axes._base._process_plot_var_args at 0x7f039a58a290>,
'_gridOn': False,
'lines': [],
'patches': [],
'texts': [],
'tables': [],
'artists': [],
'images': [],
'_mouseover_set': <matplotlib.cbook._OrderedSet at 0x7f039b02c190>,
'child_axes': [],
'_current_image': None,
'legend_': None,
'collections': [],
'containers': [],
'title': Text(0.5, 1, ''),
'_left_title': Text(0.0, 1, ''),
'_right_title': Text(1.0, 1, ''),
'titleOffsetTrans': <matplotlib.transforms.ScaledTranslation at 0x7f039b80a450>,
'_autotitlepos': True,
'patch': <matplotlib.patches.Rectangle at 0x7f039b80a590>,
'axison': True,
'fmt_xdata': None,
'fmt_ydata': None,
'_navigate': True,
'_navigate_mode': None,
'_xcid': 0,
'_ycid': 0,
'_layoutbox': None,
'_poslayoutbox': None}可以看到，里面有Axes在网格系统中的坐标，所属的figure，还有title，_facecolor等属性。yaxis、xaxis代表坐标轴。
此时，建议大家对比一下Axes和上一讲中的Figure的属性。就可以大致有个感觉，什么样的设置要在哪里去设。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。