一、matplotlib绘图模式
matplotlib的图形绘制是面向对象封装，matplotlib是由多个Figure对象构成，每个Figure对象包含多个子图对象Axes（Axes中还默认包含两个Axis对象，一个表示x轴，一个表示y轴），在Axes中包含多个Artist对象（Artist类实现了很多子类，每个子类对应常规的几何图形绘制与图像绘制等。）
%config InlineBackend.figure_format='svg'
%matplotlib inline
#coding=utf-8
import matplotlib.pyplot as plt
#===========一、创建各种matplotlib对象
#创建一个Figure对象
fig=plt.figure()
#创建一个子图Axes对象
axes1=plt.axes((0,0,0.3,0.3))
#创建一个Artist对象
line=plt.Line2D([0,1],[0,1])
#===========二、依次安装容器的包含关系添加子对象到容器
#添加Artist对象到子图Axes
l=axes1.add_artist(line)
#添加子图Axes对象到Figure对象
fig.add_axes(axes1)
#===========三、显示Figure对象
#显示Figure对象
fig.show(warn=False)
#显示当前所有Figure对象（与fig.show()可以选择使用一个）
#plt.show()
运行结果
上面使用了一个ipython notebook的魔法指令：
（1）用来配置ipython把matplotlib的图像输出为svg矢量图：
|-：%config InlineBackend.figure_format='svg'
（2）把matplotlib的图像输出显示在ipython的cell单元中：
|-：%matplotlib inline
在建立matplotlib整体绘图结构后，我们下面一个个认识其中的Figure，Axes，Axis与Artist对象，从而达到对matplotlib精通掌握的程度。
在matplotlib的操作中，还包含一种更加便捷的编程模式：Figure，Axes，Axis，Artist等对象有的功能函数，有的也在matplotlib.pyplot中提供全局功能函数（这种编程模式在numpy等模块中也大量使用，其目的就是方便，使用者可以根据个人喜爱选择使用）。
二、Figure对象
Figure对象本身也是Artist子类，继承结构如下：
|-class Figure(Artist):
|-class Artist(object):
1. 创建Figure对象的方式
Figure对象一般不需要直接使用构造器构建，应为Figure对象需要纳入管理才行，如果自己创建，会提示不是当前Figure对象；在matplotlib中有一个专门管理Figure的接口，就是Gcf，该类提供了一些Figure对象管理函数。Gcf管理Figure管理器，Figure管理器管理Figure。结构如下：
Gcf
|-FigureManager
|-Figure
上面的对象都可以通过plt全局函数获取
#下面是matplotlib源代码。说明了Figure的创建就两种方式：使用FigureManager，要么使用plt的figure函数。
#当然可以直接调用gcf页可以。
def gcf():
"""Get a reference to the current figure."""
figManager = _pylab_helpers.Gcf.get_active()
if figManager is not None:
return figManager.canvas.figure
else:
return figure()
获取Figure管理器，可以直接使用plt的函数get_current_fig_manager，下面是例子代码：
manager=plt.get_current_fig_manager()
print(manager)
<matplotlib.backend_bases.FigureManagerBase object at 0x108ae0358>
<Figure size 432x288 with 0 Axes>
1.1. 使用plt的figure函数创建（常用）
#coding=utf-8
import matplotlib.pyplot as plt
'''
使用plt.figure函数创建
'''
#=================================
fig=plt.figure()
#=================================
#创建一个子图Axes对象
axes1=plt.axes((0,0,1,1))
#创建一个Artist对象
line=plt.Line2D([0,1],[0,1])
#添加Artist对象到子图Axes
l=axes1.add_artist(line)
#添加子图Axes对象到Figure对象
fig.add_axes(axes1)
#显示Figure对象
fig.show(warn=False)
运行结果
1.2. 使用figureManager返回
#coding=utf-8
import matplotlib.pyplot as plt
'''
使用FigureManager获取Figure
'''
#获取FigureManager
manager=plt.get_current_fig_manager()
#获取Figure对象
fig=manager.canvas.figure
#创建一个子图Axes对象
axes1=plt.axes((0,0,1,1))
#创建一个Artist对象
line=plt.Line2D([0,1],[0,1])
#添加Artist对象到子图Axes
l=axes1.add_artist(line)
#添加子图Axes对象到Figure对象
fig.add_axes(axes1)
#显示Figure对象
fig.show(warn=False)
运行结果
1.3. 使用plt的gcf创建
#coding=utf-8
import matplotlib.pyplot as plt
'''
使用plt.gcf函数得到当前激活的Figure对象。
'''
#返回一个激活的Figure对象（全部采用默认参数）
fig=plt.gcf()
#创建一个子图Axes对象
axes1=plt.axes((0,0,1,1))
#创建一个Artist对象
line=plt.Line2D([0,1],[0,1])
#添加Artist对象到子图Axes
l=axes1.add_artist(line)
#添加子图Axes对象到Figure对象
fig.add_axes(axes1)
#显示Figure对象
fig.show(warn=False)
运行结果
1.4. 定制Figure
import matplotlib.pyplot as plt
from matplotlib.figure import Figure
class MyFigure(Figure):
def __init__(self, *args, figtitle='Figure', **kwargs):
super().__init__(*args, **kwargs)
self.text(0.5, 0.95, figtitle, ha='center')
fig = plt.figure(FigureClass=MyFigure, figtitle='my title')
ax = fig.subplots()
ax.plot([1, 2, 3])
fig.show(warn=False)
运行结果
2. Figure构造器的参数
2.1. Figure构造器参数说明
class matplotlib.figure.Figure(
figsize=None, #Figure的大小，单位是英寸
dpi=None, #分辨率（每英寸的点数）
facecolor=None, #修饰的颜色
edgecolor=None, #边界颜色
linewidth=0.0, #线条宽度
frameon=None, #布尔值，是否绘制框架（Frame）
subplotpars=None, #子图的参数
tight_layout=None, #取值布尔或者字典，缺省自动布局，False 使用subplotpars参数，True就使用tight_layout，如果是字典，则包含如下字段：pad,w_pad,h_pad, 与rect
constrained_layout=None) #True就使用constrained_layout，会自动调整plot的位置。
2.2. Figure构造器参数的默认值
在matplotlib中，提供大量的缺省参数来控制图形的绘制。这些缺省的参数，在matplotlib中使用与一个字典维护，可以通过访问这个字典了解这些参数的取值类型，以及参数的缺省值。
该字典参数有多种配置方式：
|-（1）matplotlib.rcParams
|-（2）当前工作路径下提供一个配置文件配置：matplotlibrc
|-（3）$MATPLOTLIBRC（如果是目录就是目录下的文件） 或者 $MATPLOTLIBRC/matplotlibrc
|-（4）.config/matplotlib/matplotlibrc配置文件配置
|-（5）INSTALL/matplotlib/mpl-data/matplotlibrc
可以使用下面python程序访问matplotlib配置文件路径（可以访问到这个文件打开详细浏览下）：
import matplotlib as mpl
#获取配置目录
print(mpl.get_configdir())
#配置文件
print(mpl.matplotlib_fname())
/Users/yangqiang/.matplotlib
/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/matplotlib/mpl-data/matplotlibrc
下面是使用Python语句动态配置或者访问：
#coding=utf-8
import matplotlib.pyplot as plt
import matplotlib
'''
matplotlib.rcParams
'''
#print(matplotlib.rcParams.keys())
print(matplotlib.rcParams['figure.figsize'])
print(matplotlib.rcParams['figure.dpi'])
print(matplotlib.rcParams["figure.facecolor"])
print(matplotlib.rcParams["figure.edgecolor"])
matplotlib.rcParams['figure.figsize']=[2,2]
fig=plt.figure()
ax = fig.subplots()
ax.plot([1, 2, 3])
plt.show()
[12.0, 8.0]
72.0
(1, 1, 1, 0)
(1, 1, 1, 0)
运行结果
当然，我们更加使用直接在构造器中传递参数，来控制Figure的参数。
#coding=utf-8
import matplotlib.pyplot as plt
import matplotlib
'''
matplotlib.rcParams
'''
fig=plt.figure(figsize=(1,1),dpi=100,facecolor=(1,0,0,1),edgecolor=(0,1,0,1),linewidth=3 )
ax = fig.subplots()
ax.plot([1, 2, 3])
plt.show()
运行结果
Figure的属性与函数，目前没有时间写，留到下个主题来说明，后面系列主题介绍：Axes对象，Axis对象与Artist对象，以及一些常见图形可视化编程技巧。
三、资源
1. 本文使用的代码，使用ipython notebook提供，同时也提供python代码清单：
|-plt01_config.py
|-plt01_CustomFigure.py
|-plt01_Figure.py
|-plt01_intro.py
|-plt01_param_rc.py
2. 下载地址：https://github.com/QiangAI/AICode/tree/master/matplot
网友评论