6.3 图形、子图和坐标

6.3.1 图形Figure

Matplotlib中的"figure"表示用户界面中的整个窗口，一个figure对象是标题为"Figure#"的GUI窗口，Figure命名是以1开始，与以0开始索引的常规Python方式截然不同。这显然是Matlab风格。以下有几个参数确定figure对象的外观，如下表所示：

参数默认值描述num1图形的数量figsizefigure.figsize图形对象的宽度和高度（单位：英寸）dpifigure.dpi像素分辨率facecolorfigure.facecolor背景颜色edgecolorfigure.edgecolor边界颜色frameonTure是否绘制框架

默认值可以在源文件中指定，并且在大多数时间都会使用，只有图形的编号经常改变。

6.3.2 子图Axes

一个绘图对象(figure)可以包含多个子图(Axes)，在Matplotlib中用Axes对象表示一个绘图区域。在前面的例子中，Figure对象只包括一个子图。可以使用subplot()函数快速绘制多个子图的图表。它的调用形式如下：

subplot(numRows, numCols, plotNum)

subplot将整个绘图区域等分为numRows行 * numCols列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域的编号为1。plotNum参数指定所创建Axes对象的区域。如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，例如subplot(323)和subplot(3,2,3)是相同的。如果新创建的子图和之前创建的子图重叠，之前的子图将被删除。
下面的程序创建3行2列共6个子图，通过axisbg参数给每个轴设置不同的背景颜色。示例代码：

for idx, color in enumerate("rgbyck"):    plt.subplot(320+idx+1, axisbg=color)plt.show()

显示结果：

图6.3-1

通过创建figure对象，利用add_subplot()方法也可以创建若干子图，其参数与subplot()函数一致。拟构造了两个子图，按列并排显示，示例代码：

import matplotlib.pyplot as pltfig = plt.figure()ax1 = fig.add_subplot(2,1,1)ax2 = fig.add_subplot(2,1,2)plt.show()

显示结果：

生成两个子图

此外，可以根据标号显示指定图像，示例代码：

import matplotlib.pyplot as pltfig = plt.figure()ax1 = fig.add_subplot(3,2,1)ax2 = fig.add_subplot(3,2,2)ax6 = fig.add_subplot(3,2,6)plt.show()

根据要求显示了三个图像，如图所示：

生成三个子图

可以绘制子图的不同图像，示例代码：

import numpy as npfig = plt.figure()#fig = plt.figure(figsize=(3, 3))ax1 = fig.add_subplot(2,1,1)ax2 = fig.add_subplot(2,1,2)ax1.plot(np.random.randint(1,5,5), np.arange(5))ax2.plot(np.arange(10)*3, np.arange(10))plt.show()

显示结果：

绘制不同子图

除了绘制不同的子图，在同一个子图中也可以绘制多个图表，示例代码：

import pandas as pdimport matplotlib.pyplot as pltunrate = pd.read_csv("unrate.csv")unrate['DATE'] = pd.to_datetime(unrate['DATE'])unrate['MONTH'] = unrate['DATE'].dt.monthfig = plt.figure(figsize=(10, 6))ax1 = fig.add_subplot(1,1,1)colors = ['r', 'b', 'g', 'y', 'k']for i in range(5):    start_index = i*12    end_index = (i+1)*12    subset = unrate[start_index:end_index]    label = str(1948+i)    ax1.plot(subset["MONTH"], subset["VALUE"], c=colors[i], label=label)ax1.legend(loc="upper left")plt.xlabel("Month, Integer")plt.ylabel("Unemployment Rate, Percent")plt.title("Monthly Unemployment Trends, 1948-1952")plt.show()

显示结果：

同一子图多图表显示

6.3.3 坐标Axis容器

Axis容器包括坐标轴上的刻度线、刻度文本、坐标网格以及坐标轴标题等内容。每个刻度线都是一个XTick或YTick对象，它包括实际的刻度线和刻度文本。
下面先创建一个子图并获得其X轴对象axis：

import matplotlib.pyplot as pltfig, ax = plt.subplots()axis = ax.xaxis

下面获得axis对象的刻度位置的列表：

axis.get_ticklocs()

运行结果：

array([ 0. ,  0.2,  0.4,  0.6,  0.8,  1. ])

下面获得axis对象的刻度标签以及标签中的文字：

print(axis.get_ticklabels())    # 获得刻度标签的列表print([x.get_text() for x in axis.get_ticklabels()])    # 获得刻度的文本字符串

运行结果：

<a list of 6 Text major ticklabel objects>

下面获得轴上表示主刻度线的列表，可以看到X轴上共有12条刻度线，它们是子图的上下两个X轴上的所有刻度线：

axis.get_ticklines()

<a list of 12 Line2D ticklines objects>

由于图中没有副刻度线，因此副刻度线列表的长度为0：

axis.get_ticklines(minor=True)    # 获得副刻度线列表

<a list of 0 Line2D ticklines objects>

获得刻度线或刻度标签之后，可以设置其各种属性，下面设置刻度线为绿色粗线，文本为红色并且旋转45°。示例代码：

for label in axis.get_ticklabels():    label.set_color("red")    label.set_rotation(45)    label.set_fontsize(16)for line in axis.get_ticklines():    line.set_color("green")    line.set_markersize(25)     # 设置刻度线长度    line.set_markeredgewidth(3)    # 设置刻度线宽度fig

显示结果
使用pyplot模块中的xticks()能够快速的完成X轴上的刻度文本的配置。不过，xticks()只能设置刻度文本的属性，不能设置刻度线的属性。示例代码：

plt.xticks(fontsize=16, color="red", rotation=45)