matplotlib面向物件繪圖快感初體驗
本篇將：
引入mpl面向物件繪圖的幾個重要概念和物件；
採用純面向物件的繪圖方式繪製一個基本圖形；
與函式式繪圖做一些簡單比較；
自定義一個figure類，實現圖形基本格式的統一定製；
提供一個有更多物件的示例供有興趣者研究。
matplotlib設計了兩種繪圖模式：
pyplot模組的函式式繪圖
object-oriented的面向物件，簡稱OO。
什麼是mpl的物件？
簡單地說，mpl對我們繪圖中要用到的一些元素進行了分級、分組、歸類，這些元素就是物件。
比如，最基本的圖形物件——-Figure，座標系物件——-Axes，座標軸物件Axis，Axis上的XTick YTick（刻度）物件。
mpl提供了一些python類，class，用來抽象、描述、定製這些物件。
小提示：
根據Python命名規範，Class名用首字母大寫的單詞命名，如果需要多個單詞，接著寫，首字母大寫以區分單詞，如MyFigA；變數名全用小寫字母的單詞，單詞之間用短下劃線連線。比如，XTick就是一個Class類名，而如axes_a這樣的應該是一個變數名。我們在命名時也應該遵循這個規範。
約定
有些物件、概念，翻譯後反而不便於理解，所以我們約定如下：
Figure，
圖形類Class；
Axes，
是Axis的複數形式，意即2個以上的座標軸，有很多地方也譯為座標軸，這容易混淆。在基礎篇中，我們只討論2D平面座標，Axes就是
平面座標系
。而Axis則是這個座標系中的兩條軸線之一，用x， y表示。Axes是座標系，它實際代表一個矩形區域。
Canvas,
畫布，繪圖時我們都需要附加一個畫布物件，Photoshop也是如此，至於為什麼要這麼一個畫布物件，我們後面再討論，我們先記住，Figure必須附加到一個Canvas。
你暫時不需要完全理解每行程式碼，你只需要照著體驗一下純面向物件繪圖和函式式繪圖的區別。
建立一個空白的Figure
mpl提供了一個Figure類，例項化這個類即可建立一個figure例項。Figure類的呼叫方法如下：
class matplotlib。figure。Figure（figsize=None， dpi=None， facecolor=None， edgecolor=None， linewidth=0。0， frameon=None， subplotpars=None， tight_layout=None， constrained_layout=None）
你甚至不需要提供任何引數，mpl會使用預設引數建立一個圖形。
啟動jupyter lab，新建一個ipynb檔案，輸入如下程式碼：
from matplotlib。backends。backend_agg import FigureCanvasAggfrom matplotlib。figure import Figurefrom matplotlib。axes import Axesimport numpy as npfrom numpy import math#例項化Figure類，並將例項賦給變數figfig =Figure（）#例項化一個FigureCanvasAgg畫布#並附加到前面建立的Figure例項fig上canvas = FigureCanvasAgg（fig）#將圖形渲染到快取s， （width， height） = canvas。print_to_buffer（） from PIL import Image #呼叫PIL庫將快取中的資料渲染為影象im = Image。frombytes（“RGBA”， （width， height）， s）#呼叫系統圖片檢視器檢視影象# 在本例中Figuer中還什麼都沒有僅是一個空白區域。im。show（） #如果需要，你還可以將繪圖儲存為磁碟檔案canvas。print_figure（‘tth001。jpg’）
執行它，會自動開啟系統預設的圖片檢視器，顯示生成的圖片。因為現在圖上還什麼都沒有，所以僅一塊空白的區域。
但這恰是Figure物件的本質，
它就是一個頂級容器，一塊矩形區域，用來放置後面的元素。
建立一個Axes
mpl提供了一個Axes類用於建立座標系。
class matplotlib。axes。Axes（fig， rect， facecolor=None， frameon=True， sharex=None， sharey=None， label=‘’， xscale=None， yscale=None， **kwargs）
Axes首先也是一個矩形區域，它是Figure的一個子區域。一個Figure可以劃分為多個Axes子區域。
Axes至少需要兩個引數 fig， rect。fig是軸所在的figure，rect是定義矩形區域的左、底、寬、高的浮點數列表，如［0。1，0。1，0。5，0。5］。它的單位是相對於figure這個矩形區域的分數，用0-1之間的小數表示。
在上面的程式碼中新增如下程式碼：
rect = ［0。1，0。1，0。8，0。8］ax = Axes（fig，rect）fig。add_axes（ax）
完整程式碼如下：
from matplotlib。backends。backend_agg import FigureCanvasAggfrom matplotlib。figure import Figurefrom matplotlib。axes import Axesimport numpy as npfrom numpy import math#例項化Figure類，並將例項賦給變數figfig =Figure（）#例項化一個FigureCanvasAgg畫布#並附加到前面建立的Figure例項fig上canvas = FigureCanvasAgg（fig）#建立一個axes物件rect = ［0。1，0。1，0。8，0。8］ax = Axes（fig，rect）fig。add_axes（ax）s， （width， height） = canvas。print_to_buffer（） from PIL import Image #呼叫PIL庫將快取中的資料渲染為影象im = Image。frombytes（“RGBA”， （width， height）， s）#呼叫系統圖片檢視器檢視影象# 在本例中Figuer中還什麼都沒有僅是一個空白區域。im。show（） #如果需要，你還可以將繪圖儲存為磁碟檔案#canvas。print_figure（‘tth001。jpg’）
這時我們就能看到，在前面的圖形中有了一個座標系。
在這個Figure中我們看不出來figure和Axes的位置關係。
pyplot函式繪圖很簡單，但很模糊
我們使用函式式繪圖繪製一個類似的圖形，只需要3行程式碼。
這時，有人就要問了：你為什麼要舍簡求繁？
而我要反回你幾個問題：
你知道figure必須附加到一個canvas上嗎？
你在哪裡建立canvas的？
你在哪裡繪製的Axes？
如果你要修改這個Axes，讓它的右邊留出更多的空白，你怎麼做？
如果Figure中有兩個Axes，如ax_a，ax_b，你如何向指定的Aexs新增繪圖元素？
等等，這樣的問題很多。
上圖的原始碼請訪問”Python草堂群“457079928下載。
這個figure中有兩個axes，要控制不同軸的格式及其中圖形元素的格式，不使用面向物件繪圖，將深受物件定位和選擇的困擾。
透過自定義類統一你的繪圖風格
我們寫論文、書籍時，一般應該保證插入圖表基本風格的一致，如配色、大小、佈局等的一致。
比如我準備在本系列文章中，經常採用一個圖形左右兩個Axes，以便對比引數不同設定的效果，同時為了便於理解不同座標系統、不同區域，我明確標出figure的邊框和底色。
為了避免做一些重複設定，簡化面向物件繪圖的程式碼，我將定義一個Figure子類，定製好基本風格，後面直接引入這個子類即可保證風格的統一，又能簡化程式碼。
下面的程式碼定義了一個名為”MyFigA（）“的子類，它繼承了mpl的Figure類，但重設了尺寸、邊框、顏色等屬性。
class MyFigA（Figure）： #設定一些顏色值 ax_fca = （249/256，244/256，206/256） ax_fcb = （138/256，176/256，209/256） pl_cb = （8/256，89/256，156/256） pl_cr = （239/256，8/256，8/256） def __init__（self， figsize=（9。6，4。8）， #在這裡修改父類引數的預設值 dpi=100， facecolor=（239/256，239/256，239/256）， edgecolor=（82/256，101/256，155/256）， linewidth=10。0， frameon=True， subplotpars=None， tight_layout=None， constrained_layout=None， ）： # 子類呼叫父類的方法 super（MyFigA， self）。__init__（figsize， dpi，facecolor，edgecolor， linewidth，frameon，subplotpars， tight_layout，constrained_layout）
tth。py檔案
後面，我們只要引用這個類，即可重複使用這個所示的Figure模板：
使用自定義類
這就像一個figure模板
一個完成更多工的純面向物件繪圖的示例
向上面Figure模板新增更多的元素，這些都是完全面向物件的方法實現的。
新增兩個Axes；
為每個Axes添加了兩個三角函式曲線；
新增風格；
對兩個Axes及其元素賦予不同的顏色，以示區別。
最重要的，就像在現實中繪畫一樣，在哪個區域繪製什麼？要向不同的區域新增什麼樣的藝術（artists)元素，自己的頭腦中都非常清晰。
程式碼如下：
import tthfrom matplotlib。axes import Axesfrom numpy import mathfig = MyFigA（）canvas = FigureCanvasAgg（fig）ax_a = Axes（fig， ［0。08，0。08，0。4，0。85］， facecolor=fig。ax_fca）ax_b = Axes（fig， ［0。55， 0。08，0。4，0。85］， facecolor=fig。ax_fcb） fig。add_axes（ax_a）fig。add_axes（ax_b）x = np。arange（0， 2*math。pi， 0。001）y = np。sin（x）ax_a。plot（x， y， color=fig。pl_cr）ax_b。plot（x， y， color=fig。pl_cb） ax_a。plot（x， np。cos（x）， color=‘g’）ax_b。plot（x， np。cos（x）， color=‘r’） ax_a。grid（b=True，lw=2）ax_b。grid（b=True，lw=2）s， （width， height） = canvas。print_to_buffer（） from PIL import Image #呼叫PILim = Image。frombytes（”RGBA“， （width， height）， s）im。show（）
原始碼請訪問”Python草堂“群457079928下載。
總結：
像現實中繪畫一樣，自主控制matplotlib的繪圖，讓我們非常清楚圖形的每個子區域、每個元素，誰是誰，我正在操控誰！
是不是比函式繪圖一筆糊塗賬要有快感呢？
下一篇，我們將解析一下matplotlib的物件結構，然後開始重點討論Figure物件。當你透徹地理解了Fgiure，當你看Figure就像庖丁看一頭牛一樣時，你的matplotlib就會不知不覺地上升到一個全新的境界。
關注“Python草堂”，輕鬆閱讀下一篇。
