Python----数据分析（Matplotlib四：Figure的用法，创建Figure对象，常用的Figure对象的方法）

一、Figure的用法

        在 Matplotlib 中， Figure对象是整个绘图的顶级容器，它是所有绘图元素的基础， 提供了一个用于绘制图形的画布空间。

        在 Matplotlib 中， Axes对象是进行数据绘制和设置坐标轴等操作的核心区域，它与 Figure对象紧密相关，共同构建了完整的绘图体系。

创建Figure对象和 Axes：

1、隐式创建:当直接调用绘图函数(如plt.plot())而没有预先创建 Figure 对象时，Matplotlib 会自动隐式创建一个Figure对象和一个Axes对象。

2、显式创建：使用函数来手动创建一个 Figure对象。

二、创建Figure对象

2.1、figure

        在Matplotlib 中， figure 函数用于创建一个新的图形窗口，或者获取当前活跃的图 形窗口。每个图形窗口可以包含一个或多个坐标轴（Axes），可以在其上绘制数 据。

plt.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None, frameon=True, clear=False, **kwargs)

名称	描述
num	可选参数，指定图形窗口的编号或名称。如果 num 为 新的图形窗口。如果 None，则创建一个 num 已经存在，则获取该图形窗口。
figsize	可选参数，指定图形窗口的大小，以英寸为单位。默认为None，使用 Matplotlib 的默认值。
dpi	可选参数，指定图形的分辨率，以点每英寸为单位。默认为 None，使用 Matplotlib 的默认值。
facecolor	可选参数，指定图形窗口的背景颜色。默认None，使用为 Matplotlib 的默认值。
edgecolor	可选参数，指定图形窗口的边缘颜色。默认为 None，使用 Matplotlib 的默认值。
frameon	可选参数，布尔值，指定是否绘制图形窗口的边框。默认为True
clear	可选参数，布尔值，指定是否清除图形窗口中的内容。默认为False
**kwargs	其他关键字参数，用于进一步自定义图形窗口的属性。

import matplotlib.pyplot as pltplt.plot([0, 1], [1, 2])
fig = plt.figure(num=1, clear=True)
plt.plot([0, 1], [2, 3])plt.show()

 

2.2、subplots

        在Matplotlib中， subplots用于创建包含多个子图（subplot）的图形。这允许你在 同一个 Figure 对象内组织多个图表，从而方便地比较数据或者展示多方面的信息。

fig, axs = matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, width_ratios=None, height_ratios=None, subplot_kw=None, gridspec_kw=None)

名称	描述
nrows=1	子图的行数，设置为1，表示创建一个子图的行。
ncols=1	子图的列数，设置为1，表示创建一个子图的列。
sharex=False	布尔值，设置为False，表示子图之间不共享x轴刻度。每个子图 都有自己的x轴。
sharey=False	布尔值，设置为False，表示子图之间不共享y轴刻度。每个子图 都有自己的y轴。
squeeze=True	布尔值，设置为True，表示如果只创建了一个子图，则返回一 个子图对象而不是一个只包含一个子图对象的数组。
width_ratios=None	列宽比例的序列，设置为None表示默认比例。如果提供 序列，它将用于调整各列的宽度比例。
height_ratios=None	行高比例的序列，设置为None表示默认比例。如果提供 序列，它将用于调整各行的高度比例。
subplot_kw=None	字典，设置为None，表示没有额外的关键字参数传递给 add_subplot调用。如果需要，可以传递一个字典来设置子图的属性。
gridspec_kw=None	字典，设置为None，表示没有额外的关键字参数传递给 GridSpec对象。如果需要，可以传递一个字典来控制子图的布局。

import numpy as np
import matplotlib.pyplot as plt# 创建数据
x = np.arange(-10, 10, 0.01)
y1 = np.sin(x) + 100
y2 = np.cos(x)
y3 = np.tan(x)
y4 = 1 / (1 + np.exp(-x))  # Sigmoid function# 创建一个 2x2 的子图网格
fig, axs = plt.subplots(2, 2)# 第一个子图
axs[0, 0].plot(x, y1)
axs[0, 0].set_title('Sine Wave')
axs[0, 0].set_xlabel('X-axis')
axs[0, 0].set_ylabel('Y-axis')# 第二个子图
axs[0, 1].plot(x, y2)
axs[0, 1].set_title('Cosine Wave')
axs[0, 1].set_xlabel('X-axis')
axs[0, 1].set_ylabel('Y-axis')# 第三个子图
axs[1, 0].plot(x, y3)
axs[1, 0].set_title('Tangent Wave')
axs[1, 0].set_xlabel('X-axis')
axs[1, 0].set_ylabel('Y-axis')# 第四个子图
axs[1, 1].plot(x, y4)
axs[1, 1].set_title('Sigmoid Function')
axs[1, 1].set_xlabel('X-axis')
axs[1, 1].set_ylabel('Y-axis')# 调整子图间距
plt.tight_layout()# 显示图形
plt.show()

 

三、常用的Figure对象的方法

3.1、add_subplot

fig.add_subplot(nrows, ncols, plot_number)

名称	描述
nrows	子图的总行数。
ncols	子图的总列数。
plot_number	当前子图在其所在布局中的位置，从1开始计数，从左上角到右 下角。

该函数会返回一个 Axes 对象。 

import matplotlib.pyplot as plt# 创建一个图形窗口
fig = plt.figure()# 添加第一个子图，位于2行1列布局中的第1个位置
ax1 = fig.add_subplot(2, 1, 1)
ax1.plot([0, 1], [0, 1])
ax1.set_title('00')# 添加第二个子图，位于2行1列布局中的第2个位置
ax2 = fig.add_subplot(2, 1, 2)
ax2.plot([0, 1], [1, 0])
ax2.set_title('01')plt.tight_layout()# 显示图形
plt.show()

3.2、add_axes

        该函数允许你在图形（ Figure）中的任意位置添加一个子图（Axes)。与subplots 或 add_subplot 不同，add_axes允许你精确地指定子图的位置和大小。

matplotlib.figure.Figure.add_axes(rect, **kwargs)

名称	描述
rect	一个形如 [左边界, 底边界, 宽度, 高度] 的列表，指定子图的位置和大 小。这些值是在归一化坐标中的，其中 0 表示图形的左边界，1 表示右边界，0 表示底部，1 表示顶部。
**kwargs	其他可选的关键字参数，用于控制子图的属性。

import matplotlib.pyplot as plt# 创建一个图形
fig = plt.figure()# 添加一个子图，位置是图形左下角的1/4处，大小为图形宽度的1/2和高度的1/2
ax = fig.add_axes([0.5, 0.1, 0.5, 0.5])# 使用这个子图绘制一些数据
ax.plot([0, 1], [0, 1])# 显示图形
plt.show()

3.3、suptitle

        该函数用于在图形（ Figure）上添加一个中心对齐的标题，这个标题位于所有子图 （Axes）的顶部。使用 suptitle 可以为整个图形设置一个总标题，而不仅仅是单 个子图。

matplotlib.figure.Figure.suptitle(t, **kwargs)

名称	描述
t	字符串，表示要添加的标题文本。
**kwargs	其他可选的关键字参数，用于控制标题的样式，如字体大小 （fontsize）、颜色（ color）等。

import matplotlib.pyplot as plt# 创建一个图形
fig = plt.figure()# 在图形上添加两个子图
ax1 = fig.add_subplot(121)  # 第一个子图，两行一列的第一个位置
ax2 = fig.add_subplot(122)  # 第二个子图，两行一列的第二个位置# 使用第一个子图绘制一些数据
ax1.plot([0, 1], [0, 1])
ax1.set_title('ax1')# 使用第二个子图绘制一些数据
ax2.plot([0, 1], [1, 0])
ax2.set_title('ax2')
# 为整个图形添加一个总标题
fig.suptitle('Test Suptitle', fontsize=16, color='red')# 显示图形
plt.show()

3.4、text

        该函数用于在图表的任意位置添加文本，通常在 的指定坐标位置上放置文本。

matplotlib.axes.Axes.text(x, y, s, **kwargs)

名称	描述
x, y	浮点数或数组，指定文本的位置坐标。
s	字符串，要添加的文本内容。
**kwargs	其他可选的关键字参数，用于控制文本的样式，如 体大小）、 color（颜色）、 fontsize（字 horizontalalignment（水平对齐方式，如 ‘left’, ‘center’, ‘right’）、 verticalalignment（垂直对齐方式，如 ‘top’, ‘center’, ‘bottom’）等。

import matplotlib.pyplot as plt# 创建一个图形和一个子图
fig, ax = plt.subplots()# 绘制一些数据
ax.plot([0, 1, 2], [0, 1, 0])# 在坐标 (1, 0.5) 处添加文本
ax.text(1, 0.5, 'Sample Text', fontsize=12, color='red',horizontalalignment='right', verticalalignment='top')# 显示图形
plt.show()

3.5、axes

        在 matplotlib中，如果你想要获取一个图形(Figure)中的所有轴(Axes )你可以査看 Figure 对象的 axes 属性。

import matplotlib.pyplot as plt# 创建一个图形和一个子图
fig, ax = plt.subplots(2, 2)# 获取图形中的所有轴
axes = fig.axes# axes 是一个包含所有轴的列表
for ax in axes:# 包含了每一个轴的x和y的相对位置(从左下角开始计算)、轴的宽度和高度(相对于整个图形)print(ax)# 显示图像
plt.show()

3.6、get_facecolor

        该函数是一个用于获取轴（Axes）或填充区域（Patch）背景色的方法。具体来说， 它返回一个表示颜色的 RGBA 元组，其中 RGBA 分别代表红色、绿色、蓝色和 alpha（透明度）值。这些值通常在 0 到 1 的范围内。

import matplotlib.pyplot as plt# 创建一个图形
fig = plt.figure(figsize=(8, 6), facecolor='blue')# 获取背景色
facecolor = fig.get_facecolor()
print(facecolor)# 显示图像
plt.show()

3.7、get_dpi

        该方法用于获取图形（Figure）对象的分辨率。

import matplotlib.pyplot as plt# 创建一个图形对象
fig = plt.figure(dpi=120)# 获取图形的DPI
dpi = fig.get_dpi()
print(f"The DPI of the figure is: {dpi}")# 显示图像
plt.show()

3.8、get_gca

        该函数是 “get current axis” 的缩写，它用于获取当前图形（figure）中的当前坐标 轴（axis）对象。这个函数非常有用，因为它允许你访问并修改当前活动的坐标轴的 属性。

import matplotlib.pyplot as plt# 创建一个图形和坐标轴
plt.figure()
plt.plot([1, 2, 3], [1, 2, 3])# 获取当前坐标轴
ax = plt.gca()# 使用坐标轴对象进行自定义
ax.set_title('Sample Plot')
ax.set_xlabel('X axis')
ax.set_ylabel('Y axis')# 显示图形
plt.show()

 

3.9、get_label

        该方法用于获取坐标轴（例如，线和柱状图）的标签。这个方法通常用于获取已经设 置好的标签，以便于后续的检查或修改。

import matplotlib.pyplot as plt# 创建一些数据
x = [1, 2, 3]
y = [1, 2, 3]# 绘制线图并设置标签
line, = plt.plot(x, y, label='Line 1')# 获取线的标签
label = line.get_label()
print('Label of the line:', label)# 显示图形和图例
plt.legend()
plt.show()

3.10、get_size_inches

        该方法用于获取图形的大小，以英寸为单位。

import matplotlib.pyplot as plt# 创建一个图形对象，可以指定大小（宽度，高度）单位为英寸
fig = plt.figure(figsize=(8.0, 6.0))# 使用 get_size_inches() 方法获取图形的大小
size_in_inches = fig.get_size_inches()
print('Size of the figure in inches:', size_in_inches)# 绘制一些数据
plt.plot([1, 2, 3], [1, 2, 3])# 显示图形
plt.show()

3.11、set_size_inches

        该方法用于设置图形对象的大小，单位为英寸。这个方法允许用户在创建图形后改变 其尺寸，从而影响输出图像的分辨率和显示效果。

matplotlib.figure.Figure.set_size_inches(width, height, forward=True)

名称	描述
width, height	浮点数，指定图形的宽度和高度，单位为英寸。
forward	布尔值，默认为 True。如果为 True，则在调整图形大小时，同时 更新所有子图的大小和位置。如果为 False，则仅改变图形的大小，而不更新子 图。

import matplotlib.pyplot as plt# 创建一个图形对象
fig = plt.figure(figsize=(2, 2))# 使用 set_size_inches 方法设置图形的大小
fig.set_size_inches(10, 6)  # 设置宽度为10英寸，高度为6英寸# 绘制一些数据
plt.plot([1, 2, 3], [1, 2, 3])# 显示图形
plt.show()

3.12、set_dpi

        该方法用于设置图形对象的分辨率，单位为每英寸点数（Dots Per Inch, DPI）。这 个方法影响输出图像的质量和文件大小，通常与 精确控制图形的尺寸和输出质量。        

matplotlib.figure.Figure.set_dpi(dpi)

名称	描述
dpi	一个浮点数或整数，指定图形的分辨率，即每英寸的点数。

import matplotlib.pyplot as plt# 创建一个图形对象
fig, ax = plt.subplots()# 设置图形的尺寸为 6x4 英寸
fig.set_size_inches(10, 6)# 使用 set_dpi 方法设置图形的分辨率
fig.set_dpi(200)  # 设置分辨率为 100 DPI# 绘制一些数据
ax.plot([1, 2, 3], [1, 2, 3])print(fig.get_size_inches())
print(fig.get_dpi())# 显示图形
plt.show()

3.13、tight_layout

        该函数用于自动调整子图参数，使之填充整个图像区域，同时确保子图之间的标签和 标题不会重叠。这个方法对于创建布局整齐的图形非常有用，尤其是在子图较多或标 签较长时。

import matplotlib.pyplot as plt# 创建一个包含多个子图的图形
fig, axs = plt.subplots(2, 2)# 在每个子图中绘制一些数据
axs[0, 0].plot([1, 2, 3], [1, 2, 3])
axs[0, 0].set_title('00')
axs[0, 0].set_xlabel('x')
axs[0, 0].set_ylabel('y')axs[0, 1].plot([1, 2, 3], [3, 2, 1])
axs[0, 1].set_title('01')
axs[0, 1].set_xlabel('x')
axs[0, 1].set_ylabel('y')axs[1, 0].plot([1, 2, 3], [1, 3, 2])
axs[1, 0].set_title('10')
axs[1, 0].set_xlabel('x')
axs[1, 0].set_ylabel('y')axs[1, 1].plot([1, 2, 3], [2, 1, 3])
axs[1, 1].set_title('11')
axs[1, 1].set_xlabel('x')
axs[1, 1].set_ylabel('y')# 使用 tight_layout 自动调整子图布局
plt.tight_layout()# 显示图形
plt.show()

3.14、subplots_adjust

        该函数允许用户手动调整子图之间的空间，以及子图与图形边缘之间的空间。这个方 法提供了比 tight_layout 更细粒度的控制，特别适用于需要精确控制布局的情 况。

fig.subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

名称	描述
left	子图区域左边缘与图形左边缘之间的距离，范围从 0 到 1。
bottom	子图区域下边缘与图形下边缘之间的距离，范围从 0 到 1。
right	子图区域右边缘与图形右边缘之间的距离，范围从 0 到 1。
top	子图区域上边缘与图形上边缘之间的距离，范围从 0 到 1。
wspace	子图之间的水平间距，范围从 0 到 1。
hspace	子图之间的垂直间距，范围从 0 到 1。

import matplotlib.pyplot as plt# 创建一个包含多个子图的图形
fig, axs = plt.subplots(2, 2)# 在每个子图中绘制一些数据
axs[0, 0].plot([1, 2, 3], [1, 2, 3])
axs[0, 1].plot([1, 2, 3], [3, 2, 1])
axs[1, 0].plot([1, 2, 3], [1, 3, 2])
axs[1, 1].plot([1, 2, 3], [2, 1, 3])# 使用 subplots_adjust 手动调整子图布局
plt.subplots_adjust(left=0.1, right=0.7, top=0.9, bottom=0.1, hspace=0.2, wspace=0.2)# 显示图形
plt.show()

3.15、clear

        在matplotlib库中， Axes对象（代表绘图区域）和 都有clear函数。 Axes对象的 Figure对象（代表整个图形） clear函数主要用于清除该轴（子图）上的所有图形 元素，包括线条、标记、文本、图像等； Figure对象的 clear函数用于清除整个图 形中的所有子图和其他相关元素

import matplotlib.pyplot as plt# 创建一个包含多个子图的图形
fig, axs = plt.subplots(2, 2)# 在每个子图中绘制一些数据
axs[0, 0].plot([1, 2, 3], [1, 2, 3])
axs[0, 1].plot([1, 2, 3], [3, 2, 1])
axs[1, 0].plot([1, 2, 3], [1, 3, 2])
axs[1, 1].plot([1, 2, 3], [2, 1, 3])# 使用 tight_layout 自动调整子图布局
fig.tight_layout()# # Axes对象的clear
# axs[0, 0].clear()# Figure对象的clear
fig.clear()# 显示图形
plt.show()