matplotlib 绘图入门 从画布、坐标系到第一张折线图

matplotlib 把“画图”拆成了三个层次的对象。教材代码里的 fig 与 ax， 对应的正是最外层的画布与内部的坐标系。

第 1 章的两个示例都遵循同一顺序。先导入库，再准备数据，然后创建画布与坐标系，最后调用 plt.show() 显示。 任何一张 matplotlib 图表，都可以套进这个模板。

先建画布 fig，再在画布上添加坐标系 ax，所有绘制动作都作用在 ax 上。 这是控制力最强、最适合多子图的方式。

PYTHON

import numpy as np
import matplotlib.pyplot as plt
data = np.array([1, 2, 3, 4, 5])        # 准备数据
fig = plt.figure()                      # 创建代表画布的 Figure 类的对象 fig
ax = fig.add_subplot(223)               # 在画布 fig 上添加坐标系风格的绘图区域 ax
ax.plot(data)                           # 绘制图表
plt.show()                              # 展示图表

为什么图出现在左下角？

add_subplot(223) 的三个数字不是随便写的：前两位 2、2 表示把画布切成 2 行 2 列，第三位 3 表示使用 按行优先编号的第 3 格——即左下角。其余三格留白，所以图片看起来 “空出了一大块”。

若只想要一张铺满画布的图，把参数写成 111 即可：1 行 1 列第 1 格， 这与直接调用 plt.plot() 的默认效果一致。

点击下面 2×2 网格中的任意一格，看 add_subplot 的参数如何随之变化。 编号规则是 先从左到右，再从上到下。

pyplot 模块会自动维护“当前画布”和“当前坐标系”，因此可以省略 fig 与 ax， 一行 plt.plot(data) 直接出图。适合快速验证与单图场景。

PYTHON

import numpy as np
import matplotlib.pyplot as plt     # 导入 pyplot 模块
data = np.array([1, 2, 3, 4, 5])     # 准备数据
plt.plot(data)                       # 在当前画布的绘图区域中绘制图表
plt.show()                           # 展示图表

注意两次运行的差异：数据完全相同，画法完全相同，但前者图表只占左下 1/4 面积。 差别不在数据，而在 add_subplot 给出的位置参数。这正是本章要建立的空间感。