Matplotlib中的两种绘图API说明

妖狐艹你老母 2022-05-18 00:15 193阅读 0赞

# Matplotlib中的两种绘图API说明 #

在Matplotlib库中提供了两种风格的API供开发者使用：一种是Pyplot编程接口（state-based），一种是面向对象对象的编程接口（object-based）。

Pyplot封装了底层的绘图函数提供了一种绘图环境，使得我们可以直接像在MATLAB那样绘制图形。当我们使用`import matplotlib.pyplot as plt`语句导入`pyplot`模块，并使用`plt.plot()`绘制图形的时候，默认的`Figure`以及`Axes`等对象会自动创建以支持图形的绘制。Pyplot一来使得对MATLAB绘图熟悉的童鞋更加容易上手，二来屏蔽了一些底层通用的绘图对象的创建细节，使用更加简洁。

在使用面向对象的编程接口时候，我们需要自己创建画布（FigureCanvas），自己创建图对象（Figure），自己创建Axes（一个Figure可以包含一个或者多个Axes，一个Axes可以理解为一个子图，使用一次`plot()`绘图函数便会创建一个Axes），所有对象一起才能完成一次完整的绘图。使用面向对象编程接口有利于我们对于图形绘制的完整控制，但是相对于Pyplot接口可能需要书写更多的代码。

在Matplotlib官方文档中，虽然说推荐大家使用面向对象接口进行绘图，但是其中提供的例子大部分都是基于Pyplot接口的。下面我们以一个简单例子（绘制一条直线）体验一下使用两种编程接口编程的异同。

## PyPlot接口 ##

import matplotlib.pyplot as plt
    plt.plot([1,2,3,4])
    plt.title('Title')
    plt.grid(True)
    plt.xlabel('X Axis')
    plt.ylabel('Y Axis')
    plt.show()

输出结果如下：

![Matplotlib绘制直线][Matplotlib]

## 面向对象接口 ##

from matplotlib.backends.backend_agg import FigureCanvasAgg as FigureCanvas
    from matplotlib.figure import Figure
    
    fig = Figure()
    FigureCanvas(fig)
    ax = fig.add_subplot(111)  # add_subplot()方法中的111表示的是1×1格网，第1个子图
    ax.plot([1, 2, 3, 4])
    ax.set_title('Title')
    ax.grid(True)
    ax.set_xlabel('X Axis')
    ax.set_ylabel('Y Axis')
    fig.savefig('test.png', dpi=120)

同样的例子，我们使用面向对象接口用了更多代码，但是其绘制过程也更加明了。另外，提一点，使用面向对象接口不能使用交互式的`show()`方法对图像直接进行显示。

面向对象的接口需要我们对绘图的backends也有所了解，提供对应的FigureCanvas，这是很不方便的，不利于代码的跨平台移植。所以，我在编程过程中，进程使用两个接口折中的一种方案：

import matplotlib.pyplot as plt
    
    ax = plt.subplot(111)
    ax.plot([1, 2, 3, 4])
    ax.set_title('Title')
    ax.grid(True)
    ax.set_xlabel('X Axis')
    ax.set_ylabel('Y Axis')
    plt.show()

我推荐大家平时也多多使用这种方案，自己创建`Axes`对象，然后使用面向对象接口做图形绘制。

[Matplotlib]: /images/20220518/d32256c2c5a0446d96b13d054088feed.png