Matplotlib中的plt和ax都是啥？

Pandas教程写的差不多了，来写一写与数据可视化相关的Matplotlib系列教程吧。读过Pandas系列文章的读者应该都知道，我写文章更多的会融入我对这个东西的理解，Matplotlib系列也是如此。这个系列会涉及Matplotlib的一些简单的概念、绘图原理、常见图形的绘制以及一些高阶的绘图技巧。学完之后，期待达到的效果是可以用Matplotlib画出这样的图形。

这篇文章先介绍一下Matplotlib的一些简单基本概念和绘图原理，直入正题~

不知道有多少同学和我一样，在刚接触Matplotlib时，会被书上的plt、ax以及subplots等各种概念所迷惑，心里存在无数个问号，这些究竟是啥？画出来的图不是一样的吗？他们有啥区别？下面就一步步来解答这些迷惑。

概念引入

首先，我们应该要了解一张用Matplotlib画出来的图的具体构造，引用一张官方的图：

我们先主要看图里面红色框的Figure和蓝色框的Axes，如何理解这两个东西呢？

如果将Matplotlib绘图和我们平常画画相类比，可以把Figure想象成一张纸（一般被称之为画布），Axes代表的则是纸中的一片区域（当然可以有多个区域，这是后续要说到的subplots），上一张更形象一点的图。

在Figure画布中，Axes1区域画了一张数据仪表盘，Axes2区域画了柱状图，Axes3区域绘制了一张地图，相信还是挺好理解的。

两种绘图方式区别

对着两个概念有基本的了解后，就可以来看看plt.plot()和ax.plot()有何区别了，下面列出了两种用Matplotlib绘制图表的方式。

• plt

# 第一种方式
plt.figure()
plt.plot([1,2,3],[4,5,6])
plt.show()

• ax

# 第二种方式
fig,ax = plt.subplots()
ax.plot([1,2,3],[4,5,6])
plt.show()

绘图效果如下

可以看到，不论是用plt.plot()还是ax.plot()，结果都是一样的

那区别在哪里？

从第一种方式的代码来看，先生成了一个Figure画布，然后在这个画布上隐式生成一个画图区域进行画图。

第二种方式同时生成了Figure和axes两个对象，然后用ax对象在其区域内进行绘图

如果从面向对象编程（对理解Matplotlib绘图很重要）的角度来看，显然第二种方式更加易于解释，生成的fig和ax分别对画布Figure和绘图区域Axes进行控制，第一种方式反而显得不是很直观，如果涉及到子图零部件的设置，用第一种绘图方式会很难受。

在实际绘图时，也更推荐使用第二种方式。

subplot的绘制

下面通过介绍subplots加深对第二种绘图方式的理解

假如现在我要在一张纸上左边画一个折线图，右边画一个散点图，该如何画呢？

首先要有一个画布Figure，其次，需要有两个区域Axes（等价于两个子图subplot）来画图

# 生成画布和axes对象
# nrows=1和ncols=2分别代表1行和2列
fig,ax = plt.subplots(nrows=1,ncols=2)

因为这里有两个画图区域，所以ax对应的是一个列表，存储了两个Axes对象。

然后分别控制左边和右边的绘图区域进行绘图

fig,ax = plt.subplots(nrows=1,ncols=2)
ax[0].plot([1,2,3],[4,5,6])
ax[1].scatter([1,2,3],[4,5,6])

其实到这里了也会发现，一个Axes对象对应了一个subplot子图，这些个子图都是画在同一个画布Figure之上。

读到这里可能已经对Matplotlib绘图有点感觉了，下一篇系列文章会接着介绍Matplotlib常见组件的设置，