为啥很多例子在 Matplotlib/pyplot/python 中使用 `fig, ax = plt.subplots()`

Posted 2023-02-16

【中文标题】为啥很多例子在 Matplotlib/pyplot/python 中使用 `fig, ax = plt.subplots()`

【英文标题】：Why do many examples use `fig, ax = plt.subplots()` in Matplotlib/pyplot/python为什么很多例子在 Matplotlib/pyplot/python 中使用 `fig, ax = plt.subplots()`

【发布时间】：2016-03-13 18:14:27

【问题描述】：

我正在通过学​​习示例来学习使用matplotlib，很多示例似乎在创建单个图之前都包含如下一行...

fig, ax = plt.subplots()

这里有一些例子......

Modify tick label text http://matplotlib.org/examples/pylab_examples/boxplot_demo2.html

我看到这个函数被大量使用，即使这个例子只是试图创建一个图表。有没有其他优势？ subplots() 的官方演示在创建单个图表时也使用了f, ax = subplots，之后它只引用了 ax。这是他们使用的代码。

# Just a figure and one subplot
f, ax = plt.subplots()
ax.plot(x, y)
ax.set_title('Simple plot')

【问题讨论】：

嗯，它很短，简洁，您可以在一个步骤中获得两个图形和轴的参考。这是pythonic，因为它很漂亮:)

【参考方案1】：

plt.subplots() 是一个函数，它返回一个包含图形和坐标区对象的元组。因此，当使用fig, ax = plt.subplots() 时，您将此元组解包到变量fig 和ax 中。如果您想更改图形级别的属性或稍后将图形保存为图像文件（例如使用fig.savefig('yourfilename.png')），使用fig 非常有用。您当然不必使用返回的图形对象，但很多人稍后会使用它，因此很常见。此外，所有轴对象（具有绘图方法的对象）无论如何都有一个父图形对象，因此：

fig, ax = plt.subplots()

比这更简洁：

fig = plt.figure()
ax = fig.add_subplot(111)

【讨论】：

很好的解释。这是上面的文档 - matplotlib.org/api/pyplot_api.html#matplotlib.pyplot.subplots

为什么我们在子图中总是使用111作为参数？

@Priyansh 因为它继承自 Matlab 语法

@Priyansh 并非总是如此。如果您想要 4 个图表，您可以使用 fig.add_subplot(221)（或分别为 222、223、224）获得 ax11, ax12, ax21, ax22。

那么附加问题：这样做是否正确：fig = plt.figure(figsize=[20,15]) 然后axes = fig.subplots(2,2, sharex=False, sharey=False)

【参考方案2】：

这里只是补充。

下面的问题是，如果我想要图中更多的子图怎么办？

正如文档中提到的，我们可以使用fig = plt.subplots(nrows=2, ncols=2)在一个图形对象中设置一组带有grid(2,2)的子图。

那么我们知道，fig, ax = plt.subplots() 返回一个元组，我们先试试fig, ax1, ax2, ax3, ax4 = plt.subplots(nrows=2, ncols=2)。

ValueError: not enough values to unpack (expected 4, got 2)

它会引发错误，但不用担心，因为我们现在看到 plt.subplots() 实际上返回了一个包含两个元素的元组。第一个必须是图形对象，另一个应该是一组子图对象。

让我们再试一次：

fig, [[ax1, ax2], [ax3, ax4]] = plt.subplots(nrows=2, ncols=2)

并检查类型：

type(fig) #<class 'matplotlib.figure.Figure'>
type(ax1) #<class 'matplotlib.axes._subplots.AxesSubplot'>

当然，如果你使用参数 as (nrows=1, ncols=4)，那么格式应该是：

fig, [ax1, ax2, ax3, ax4] = plt.subplots(nrows=1, ncols=4)

所以只要记住保持列表的构造与我们在图中设置的子图网格相同。

希望这对你有帮助。

【讨论】：

如果您的子图有标题，请不要忘记添加 plt.tight_layout()

如果你有很多子情节怎么办？这样做更容易：fig, axes = plt.subplots(nrows=10, ncols=3) 和 axes = axes.flatten()。现在您可以通过索引引用每个子图：axes[0], axes[1], ...

@BallpointBen 我不确定如果nrows=1 是否有效，那么axes 的返回长度等于ncols

@BallpointBen 刚刚意识到您可以通过以下方式解决此问题：fig, axes = plt.subplots(nrows=1, ncols=3, squeeze=False)

@BallpointBen 如果您使用脚本运行连续的子图会怎样？你不需要做一些if col > row: col -= row; row += 1，因为如果你把它弄平，你只需穿过..

【参考方案3】：

作为对问题和上述答案的补充，plt.subplots() 和plt.subplot() 之间还有一个重要区别，请注意末尾缺少的's'。

可以使用plt.subplots() 一次制作所有子图，并将子图的图形和轴（轴的复数）作为元组返回。可以将图形理解为画布的画布。

# create a subplot with 2 rows and 1 columns
fig, ax = plt.subplots(2,1)

然而，如果你想单独添加子图，你可以使用plt.subplot()。它只返回一个子图的轴。

fig = plt.figure() # create the canvas for plotting
ax1 = plt.subplot(2,1,1) 
# (2,1,1) indicates total number of rows, columns, and figure number respectively
ax2 = plt.subplot(2,1,2)

但是，plt.subplots() 是首选，因为它可以让您更轻松地直接自定义整个图

# for example, sharing x-axis, y-axis for all subplots can be specified at once
fig, ax = plt.subplots(2,2, sharex=True, sharey=True)

而使用plt.subplot()，则必须为每个轴单独指定，这可能会变得很麻烦。

【参考方案4】：

除了上面的答案，你可以使用type(plt.subplots())来检查对象的类型，它返回一个元组，另一方面，type(plt.subplot())返回你无法解压的matplotlib.axes._subplots.AxesSubplot。

【讨论】：

欢迎来到 Stack Overflow！这实际上是评论，而不是答案。多一点代表，you will be able to post comments。谢谢！

【参考方案5】：

使用plt.subplots() 很受欢迎，因为它为您提供了一个 Axes 对象并允许您使用 Axes 接口来定义绘图。

替代方法是使用全局状态接口、plt.plot 等功能：

import matplotlib.pyplot as plt

# global state version - modifies "current" figure
plt.plot(...)
plt.xlabel(...)

# axes version - modifies explicit axes
ax.plot(...)
ax.set_xlabel(...)

那么为什么我们更喜欢 Axes？

它是可重构的 - 您可以将一些代码放入一个采用 Axes 对象的函数中，并且不依赖于全局状态 更容易过渡到具有多个子图的情况 一个一致/熟悉的界面，而不是在两个界面之间切换 获取matplotlib所有功能深度的唯一途径

全局状态版本的创建方式易于交互使用，并且是 Matlab 用户熟悉的界面，但在较大的程序和脚本中，此处概述的要点倾向于使用 Axes 界面。

有一篇 matplotlib 博客文章更深入地探讨了这个主题：Pyplot vs Object Oriented Interface

处理两个世界相对容易。例如，我们可以始终请求当前坐标区：ax = plt.gca() ("get current axes")。

【讨论】：

很长一段时间以来我一直想知道为什么界面如此混乱（例如plt.xlabel vs ax.set_xlabel）但现在它是有道理的 - 这是两个独立的界面！