Matplotlib学习手册A003_Figure对象解析

Figure对象全解析

专注于matplotlib的pyplot函数式绘图的人，可能会说：Figure有什么需要解析的，我一直使用“plt.figure()”就足够了，有时我甚至直接'plt.plot()'就行了。Figure对象有必要解析吗？

Figure对象是matplotlib绘图的开始，它是连接后端的桥梁，它是绘图元素定位、布局的基础。

一切可见元素皆是Artist

mpl框架的artist模块中定义了一个抽象基类，用作定义下述对象的父类：

1. 将要渲染（render）到画布（canvas）里的对象；
2. 所有可见的元素。

这些对象都是Artist的子类。

Artist提供了所有mpl绘图的所有可见元素。Artist对象有两种类型：

• 容器类型；
• 简单类型。

容器类型：可以容纳、包含其它Artist对象的对象。如Figure, Axes。Figure可以包含多个Axes、Text等。Axes包含Axis，Line2D，Text等。

容器把包含在其内的对象组织为一个整体。

简单类型：是标准的、最基本的绘图元件，不能再包含其它对象，如Line2D, Text, Rectangle等。

Figure是一个顶级容器

matplotlib.artist模块提供了一个 Figure 类，它是顶层的容器型Artist，它容纳所有绘图元件。

在2D平面坐标中，你应该把它看成一个矩形（Rectangle）区域。创建一个Figure也就是在画布上定义一块矩形区域。

这个矩形区域有两个最根本的用处：

1. 可以再划分为多个子区域；如subplot就是在Figure矩形区域中划分子区域。
2. 用于包含在其中的对象的坐标定位参考。

第2点非常重要，它是坐标变换、其它对象尺寸设置的参考对象。

Figure默认是白色、无边框的，把它填充一个其它颜色的前景色并设置边框有助于我们理解它。

输入如下代码，创建一个有前景色和边框的Figure:

from matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.figure import Figurefig =Figure(figsize=(6.4,4.8), dpi=100, facecolor=(239/256,239/256,239/256), edgecolor=(82/256,101/256,155/256), linewidth=10.0, frameon=True, )canvas = FigureCanvasAgg(fig)s, (width, height) = canvas.print_to_buffer() from PIL import Image #调用PILim = Image.frombytes('RGBA', (width, height), s)im.show()

Figure坐标系统

Figure最重要的作用是提供了一个坐标系统。如上图所示，创建Figure时，它就在画布上绘制了一块矩形区域。

该矩形定义了Figure坐标系统，矩形的左下角的坐标是(0.0, 0.0)，右上角坐标是(1.0，1.0)。

当我们要将一个简单的artist放到figure中时，我们需要提供一个(x, y)坐标，x, y在[0.0, 1.0]之间，用于确定放置的位置。

from matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.figure import Figurefig =Figure(figsize=(6.4,4.8),  dpi=100, facecolor=(239/256,239/256,239/256), edgecolor=(82/256,101/256,155/256), linewidth=10.0, frameon=True, )canvas = FigureCanvasAgg(fig)#在figure的中心添加一个文本fig.text(0.5,0.5,'fig_center') s, (width, height) = canvas.print_to_buffer() from PIL import Image im = Image.frombytes('RGBA', (width, height), s)im.show() 

如果要将一个容器类的artist添加到figure中时，如，我们添加一个Axes到Figure中，我们不仅要提供定位坐标（axes的左下角在figure中的位置），还要指定子容器相对于Figure的大小，用分数表示，即把Figure的宽和长看为1，子容器是它的“0.？”。

from matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.figure import Figurefrom matplotlib.axes import Axesfig =Figure(figsize=(6.4,4.8), dpi=100, facecolor=(239/256,239/256,239/256), edgecolor=(82/256,101/256,155/256), linewidth=10.0, frameon=True, )canvas = FigureCanvasAgg(fig)fig.text(0.5,0.5,'fig_center')#请注意下面的axes定义ax = Axes(fig,[0.1,0.2,0.3,0.8])fig.add_axes(ax)s, (width, height) = canvas.print_to_buffer() from PIL import Image #调用PILim = Image.frombytes('RGBA', (width, height), s)im.show()

请将这张图刻在脑中

添加到figure中的axes，axes的左下角是定位坐标，宽度和高度定义了axes的尺寸。axes的定位坐标和尺寸都是相对于figue来计算的。

理解Figure的坐标定位、尺寸参照作用，比掌握Figure的众多参数设置更重要！

简单地理解后端

因为Figure中一些参数、方法与后端有关，而我们一般绘图又很少需要与后端打交道，但如果后端一点都不了解，又不利于从整体上把握matplotlib的架构，所以这里用草根的语言和理解简单地介绍一下后端，记住以下几点就差不多了，中高级部分再详细讨论。

• 后端就是在后台将你的绘图代码翻译为计算机绘图语言（算法）、并绘制成图形、显示到屏幕上的程序模块。
• 后端决定了支持的图形格式、渲染的方式等；所以，有些参数仅支持一部分后端。
• 后端还是计算机屏幕坐标与图形坐标映射的工具。

试想，你并没有直接操控计算机显示系统，你仅是在写python代码，你的代码是如何与计算机显示系统良好对接的呢？你绘制的绘图元件为什么总是能正确地在屏幕上显示出来，而没有发生位置错乱、颜色错误呢？

简单地理解：后端就是将你的代码转换为计算机图形语言，并正确地在屏幕上显示出来的后台程序块。

Figure基础参数使用

Figure类的调用

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)

实例化Figure类时，需要9个参数，但Figure类定义中，这些形参都提供了默认值。所以，我们可以一个参数都不提供，就会取默认参数rcParams中的设置创建一个figure实例。

前往“Python草堂”群下载该表

大部分参数的设置和用法一目了然，下面补充解释下面几个参数：

• color
• subplotpars=None,
• tight_layout=None,
• constrained_layout=None

color：matplotlib的颜色，可以使用常用颜色的名称指定颜色，如'red', 'blue'等，也可以使用浮点数3元素元组表示的RGB颜色，如(0.1, 0.2, 0.5)，也可以这样(239/256,239/256,239/256)。

subplotpars：是SubplotParams类的一个实例，定义子图参数。如果不提供该参数，则用rcParams['figure.subplot.*']作为子图参数。一般无需设置它，默认即可。

class matplotlib.figure.SubplotParams( left=None, bottom=None, right=None, top=None, wspace=None, hspace=None )

要自定义Figure的subplotpars参数，先创建一个figure.SubplotParams类的实例。该类的前4个参数依次是子图（矩形区域）的“左、底、右、顶”边在Figure中的位置，浮点数。

*wspace: *

float，子图之间预留空间的宽度大小，用平均axis轴线宽度的分数表示。

*hspace: *

float，子图之间预留空间的高度大小，用平均axis轴线高度的分数表示。

下面是默认的rcParams['figure.subplot.*']，单位是figure的分数。

 'figure.subplot.bottom': 0.11, 'figure.subplot.hspace': 0.2, 'figure.subplot.left': 0.125, 'figure.subplot.right': 0.9, 'figure.subplot.top': 0.88, 'figure.subplot.wspace': 0.2,

tight_layout：布尔值，或字典。设置如何调整子图的布局。如果为False，使用subplotpars参数；如果为True，使用带有默认padding的tight_layout调整subplot参数。

tight_layout(self, renderer=None, pad=1.08, h_pad=None, w_pad=None, rect=None)

• =True, pad = 1.08，是字体的1.08倍大小，它远远小于rcParams['figure.subplot.*']中的设置值。
• =False, 使用subplotpars参数设置，subplotpars默认为None，即，用rcParams['figure.subplot.*']中的设置。

下图是设置：tight_layout = False /True 的效果比较。

from matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.figure import Figure,SubplotParamsfrom matplotlib.axes import Axesimport numpy as npfrom numpy import mathfig =Figure(figsize=(9.6,4.8),  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=True,  constrained_layout=None )canvas = FigureCanvasAgg(fig)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)ax_a = fig.add_subplot(121,facecolor=ax_fca)ax_b = fig.add_subplot(122,facecolor=ax_fcb) x = np.arange(0, 2*math.pi, 0.001)y = np.sin(x)ax_a.plot(x, y, color=pl_cr)ax_b.plot(x, y, color=pl_cb) ax_a.plot(x, np.cos(x), color='g')ax_b.plot(x, np.cos(x), color='r') s, (width, height) = canvas.print_to_buffer() from PIL import Image im = Image.frombytes('RGBA', (width, height), s)im.show() 

tight_layout=True

tight_layout=False

还可以提供一个字典给 tight_layout，下面是在字典中设置tight_layout的示例：

from matplotlib.backends.backend_agg import FigureCanvasAggfrom matplotlib.figure import Figure,SubplotParamsfrom matplotlib.axes import Axesimport numpy as npfrom numpy import mathtl = {'pad':2.0,'h_pad':1.0,'w_pad':5.0,'rect':(0.1,0.1,0.9,0.9)}fig =Figure(figsize=(9.6,4.8), 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=tl, constrained_layout=False )canvas = FigureCanvasAgg(fig)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)ax_a = fig.add_subplot(121,facecolor=ax_fca)ax_b = fig.add_subplot(122,facecolor=ax_fcb) x = np.arange(0, 2*math.pi, 0.001)y = np.sin(x)ax_a.plot(x, y, color=pl_cr)ax_b.plot(x, y, color=pl_cb) ax_a.plot(x, np.cos(x), color='g')ax_b.plot(x, np.cos(x), color='r') s, (width, height) = canvas.print_to_buffer() from PIL import Image im = Image.frombytes('RGBA', (width, height), s)im.show() 为

有意将tight_layout的一些参数设置得很夸张，以突出效果：

请与上面的图比较

constrained_layout：布尔值，如果'True'，使用约束布局来调整绘图元素的位置。类似 tight_layout, 但设计得更加灵活。中级篇中再详细介绍。

注意：constrained_layout=True 与 subplots_adjust 和 tight_layout 不兼容，即不能同时设置为True。

下一篇将详细讨论figure的方法和属性。