在matplotlib中使用图，轴或图形绘制图之间有什么区别？

当我在matplotlib，tbh中绘制图时，我有点困惑后端的处理方式，我不清楚图，轴和图形的层次结构。我阅读了文档，它很有帮助，但我仍然感到困惑...

以下代码以三种不同的方式绘制相同的图：

#creating the arrays for testing
x = np.arange(1, 100)
y = np.sqrt(x)
#1st way
plt.plot(x, y)
#2nd way
ax = plt.subplot()
ax.plot(x, y)
#3rd way
figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

现在我的问题是-

1. 这三种方法有什么区别，我的意思是，当调用这三种方法中的任何一种时，幕后情况是什么？

2. 什么时候应该使用哪种方法，在这些方法上使用利弊是什么？

方法1

plt.plot(x, y)

这样一来，您只能绘制一个具有（x，y）坐标的图形。如果您只想获取一张图形，则可以使用这种方式。

方法2

ax = plt.subplot()
ax.plot(x, y)

这使您可以在同一窗口中绘制一个或多个图形。在编写时，您将仅绘制一个图形，但是可以进行如下操作：

fig1, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)

您将绘制4个图形，每个图形分别命名为ax1，ax2，ax3和ax4，但在同一窗口上。在我的示例中，此窗口将分为四个部分。

方法3

fig = plt.figure()
new_plot = fig.add_subplot(111)
new_plot.plot(x, y)

我没有使用它，但是可以找到文档。

例：

import numpy as np
import matplotlib.pyplot as plt

# Method 1 #

x = np.random.rand(10)
y = np.random.rand(10)

figure1 = plt.plot(x,y)

# Method 2 #

x1 = np.random.rand(10)
x2 = np.random.rand(10)
x3 = np.random.rand(10)
x4 = np.random.rand(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)
y4 = np.random.rand(10)

figure2, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
ax1.plot(x1,y1)
ax2.plot(x2,y2)
ax3.plot(x3,y3)
ax4.plot(x4,y4)

plt.show()

其他例子：

对象名称

Matplotlib严格面向对象，其主要对象是图形和轴（我发现这个名称axes有些误导，但可能只是我一个人）。

您可以将图形视为画布，通常指定其尺寸，并可能指定背景颜色等。您可以通过两种方式使用画布，图形，在其上放置其他对象（主要是轴，但是以及文本标签等），然后使用保存其内容savefig。

你可以把中轴线作为一种瑞士军刀，一个方便的对象，提供了一个工具（例如.plot，.scatter，.hist等）的一切，大部分。您可以使用多种不同的方法之一在图形中放置一，二，...多个轴。

该plt接口

该PLT程序接口最初是模仿MATLAB™接口，但不是从面向对象的接口确实不同，即使你不直接引用的主要对象（即数字和轴），这些对象自动将其实例化，并且每个plt方法实质上都转换为对基础对象的方法之一的调用：例如，aplt.plot()是a hidden_axes.plot，aplt.savefig是a hidden_figure.savefig。

在任何时候，您都可以使用plt.gcf和来处理这些隐藏对象plt.gca，并且当其中一个对象方法尚未移植到plt名称空间中的方法时，有时这是必需的。

我想补充一点，plt名称空间还包含许多方便的方法，可以用不同的方式实例化图形和轴。

你的例子

第一种方式

plt.plot(x, y)

在这里，您仅使用plt界面，每个图中只能使用一个轴，但这就是您在探索数据时想要的，这是完成工作的快速方法...

第二路

ax = plt.subplot()
ax.plot(x, y)

在这里，您可以使用plt命名空间中的便捷方法为您的axes对象指定名称（和句柄），但顺便说一句，还有一个隐藏的图形。您以后可以使用axes对象来绘制，制作直方图等，可以使用plt界面进行所有操作，但是您还可以访问其所有属性并以更大的自由度对其进行修改。

第三种方式

figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

在这里，您开始使用plt名称空间中的便捷方法实例化图形，然后仅使用面向对象的接口。

可以绕过plt便捷方法（matplotlib.figure.Figure），但是您必须调整图形以获得更好的交互体验（毕竟，这是一种便捷方法）。

个人推荐

我建议在交互式会话的环境中使用裸露plt.plot，plt.scatter可能使用IPython及其%matplotlib魔术命令，也建议在探索性的Jupyter笔记本环境中使用。

另一方面，面向对象的方法以及一些plt 便捷的方法是必经之路

• 如果您有一个永久性的问题，可以通过微调的子图的自定义安排彻底解决所有问题，
• 如果要将Matplotlib嵌入在编写的程序的UI中。

这些极端之间有一个很大的灰色区域，如果您问我该怎么办，我只会说“这取决于” ...