为什么许多示例在 Matplotlib/pyplot/python 中使用 `fig, ax = plt.subplots()`

Question

我正在通过研究示例来学习使用 matplotlib，很多示例在创建单个图之前似乎都包含如下一行...

fig, ax = plt.subplots()

这里有一些例子...

Modify tick label text
http://matplotlib.org/examples/pylab_examples/boxplot_demo2.html

我看到这个函数用了很多，尽管这个例子只是试图创建一个图表。还有其他优势吗？ subplots() 的官方演示在创建单个图表时也使用 f, ax = subplots ，之后它只引用 ax 。这是他们使用的代码。

# Just a figure and one subplot
f, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')

Answer 1

plt.subplots() 是一个 returns 包含图形和轴对象的元组的函数。因此，当使用 fig, ax = plt.subplots() 时，您将这个元组解压到变量 fig 和 ax 中。如果您想更改图形级别的属性或稍后将图形保存为图像文件（例如使用 fig.savefig('yourfilename.png')），则 fig 很有用。您当然不必使用返回的图形对象，但很多人稍后会使用它，因此很常见。此外，所有轴对象（具有绘图方法的对象）无论如何都有一个父图形对象，因此：

fig, ax = plt.subplots()

比这个更简洁：

fig = plt.figure()
ax = fig.add_subplot(111)

Answer 2

在这里补充一下。

下面的问题是如果我想在图中有更多的子图怎么办？

如文档中所述，我们可以使用 fig = plt.subplots(nrows=2, ncols=2) 在一个图形对象中设置一组具有 grid(2,2) 的子图。

那么我们知道，fig, ax = plt.subplots()returns一个元组，我们先fig, ax1, ax2, ax3, ax4 = plt.subplots(nrows=2, ncols=2)试试

ValueError: not enough values to unpack (expected 4, got 2)

它会引发错误，但不用担心，因为我们现在看到 plt.subplots() 实际上 returns 是一个包含两个元素的元组。第一个必须是图形对象，另一个应该是一组子图对象。

所以让我们再试一次：

fig, [[ax1, ax2], [ax3, ax4]] = plt.subplots(nrows=2, ncols=2)

并检查类型：

type(fig) #<class 'matplotlib.figure.Figure'>
type(ax1) #<class 'matplotlib.axes._subplots.AxesSubplot'>

当然，如果你使用参数为(nrows=1,ncols=4)，那么格式应该是：

fig, [ax1, ax2, ax3, ax4] = plt.subplots(nrows=1, ncols=4)

所以只记得保持列表的构造与我们在图中设置的子图网格相同。

希望对您有所帮助。

Answer 3

作为问题和上述答案的补充，plt.subplots() 和 plt.subplot() 之间也有一个重要的区别，请注意最后缺少的 's'。

可以使用 plt.subplots() 一次制作所有的子图，它 returns 子图的图形和轴（轴的复数）作为一个元组。人物可以理解为canvas画草图的地方

# create a subplot with 2 rows and 1 columns
fig, ax = plt.subplots(2,1)

然而，如果您想单独添加子图，则可以使用 plt.subplot()。它 returns 只有一个子图的轴。

fig = plt.figure() # create the canvas for plotting
ax1 = plt.subplot(2,1,1) 
# (2,1,1) indicates total number of rows, columns, and figure number respectively
ax2 = plt.subplot(2,1,2)

但是，plt.subplots() 是首选，因为它可以让您更轻松地直接自定义整个图形

# for example, sharing x-axis, y-axis for all subplots can be specified at once
fig, ax = plt.subplots(2,2, sharex=True, sharey=True)

而对于 plt.subplot()，则必须为每个轴单独指定，这会变得很麻烦。

Answer 4

除了上述答案之外，您还可以使用 type(plt.subplots()) 检查对象的类型，其中 returns 一个元组，另一方面，type(plt.subplot()) returns matplotlib.axes._subplots.AxesSubplot 无法解压。

Answer 5

使用 plt.subplots() 很受欢迎，因为它为您提供了一个 Axes 对象并允许您使用 Axes 接口来定义绘图。

替代方法是使用全局状态接口，plt.plot 等功能：

import matplotlib.pyplot as plt

# global state version - modifies "current" figure
plt.plot(...)
plt.xlabel(...)

# axes version - modifies explicit axes
ax.plot(...)
ax.set_xlabel(...)

所以 为什么 我们更喜欢 Axes？

它是可重构的 - 您可以将一些代码放入一个函数中，该函数采用 Axes 对象，并且不依赖于全局状态
更容易过渡到有多个子图的情况
一个 consistent/familiar 界面而不是在两个界面之间切换
深度访问matplotlib所有特征的唯一途径

全局状态版本以这种方式创建，以便于交互使用，并成为 Matlab 用户熟悉的界面，但在较大的程序和脚本中，此处概述的要点有利于使用 Axes 界面。

有一个 matplotlib 博客 post 更深入地探讨了这个主题：Pyplot vs Object Oriented Interface

处理两个世界相对容易。例如，我们可以始终询问当前坐标轴：ax = plt.gca()（“获取当前坐标轴”）。

为什么许多示例在 Matplotlib/pyplot/python 中使用 `fig, ax = plt.subplots()`

Why do many examples use `fig, ax = plt.subplots()` in Matplotlib/pyplot/python

python

plot

visualization

matplotlib