1.2 图形容器与面向对象接口

上一节介绍了 pyplot 的状态机接口，它能快速出图。但同一张图里放多个坐标轴、把坐标轴放进指定位置、复用图例并共享刻度时，状态机接口会变得难以驾驭。Matplotlib 的面向对象接口围绕三个容器对象组织：Figure、Axes、Axis。本节逐个拆解这三个对象及其层级关系，覆盖 Figure 的创建与保存、Axes 的绘图与设置方法、Axis 的刻度控制，以及 Artist 基类的通用属性访问。掌握这套对象体系后，复杂图表也能有条不紊地构造。

1.2.1 Figure 顶层容器

Figure 是整张图最顶层的容器，相当于一张画布，容纳全部坐标轴、标题、图例、文字等元素。用 plt.figure() 创建，plt.gcf() 获取当前 Figure：

import matplotlib.pyplot as plt

fig = plt.figure()                    # 创建空 Figure
fig2 = plt.figure(figsize=(8, 6))     # 指定宽高（英寸）
fig3, ax = plt.subplots()             # 一步创建 Figure 与单个 Axes

figsize 控制画布宽高，单位是英寸，结合 dpi 决定最终像素尺寸。Figure 的重要属性包括 figsize、dpi（每英寸像素数）、facecolor（画布背景色）。查看当前 Figure 列表可用 plt.get_fignums()。

Figure 本身也是 Artist，可整体设置属性：

fig = plt.figure()
fig.suptitle('整张图的标题')        # 覆盖所有子图的全局标题
fig.set_facecolor('white')
fig.set_dpi(100)

fig.suptitle() 与 ax.set_title() 的区别在于作用范围：前者作用于整个 Figure 顶部，后者只作用于单个 Axes 内部。

1.2.2 在 Figure 上创建 Axes

Axes 是绘图区域，真正画线、画点都发生在 Axes 上。一个 Figure 可以包含多个 Axes。创建 Axes 有三种主要方式。

fig.add_axes()

fig.add_axes([left, bottom, width, height]) 用一个四元组指定 Axes 在 Figure 中的位置与大小，数值是相对 Figure 宽高的比例（0 到 1），适合精确摆放：

fig = plt.figure()
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.6])   # 左侧大图
ax2 = fig.add_axes([0.15, 0.75, 0.3, 0.2])  # 右上角小图

fig.add_subplot()

fig.add_subplot(nrows, ncols, index) 在规则的网格中按序号创建 Axes，序号从 1 开始从左到右、从上到下计数：

fig = plt.figure()
ax1 = fig.add_subplot(2, 2, 1)   # 2 行 2 列网格的第 1 格
ax2 = fig.add_subplot(2, 2, 2)   # 第 2 格
ax3 = fig.add_subplot(2, 2, 3)   # 第 3 格

add_subplot 的常用写法是合并参数 fig.add_subplot(221)，等价于 add_subplot(2, 2, 1)。若多次调用 add_subplot 且参数相同，会返回同一个已有 Axes。

fig.subplots()

fig.subplots(nrows, ncols) 一次性创建整块网格并返回 Axes 的二维数组：

fig, axs = plt.subplots(2, 2)     # 2x2 网格
axs[0, 0].plot([1, 2, 3], [1, 4, 9])
axs[1, 1].scatter([1, 2, 3], [4, 5, 6])

axs 是 numpy.ndarray，用索引访问；当只有一个子图时返回单个 Axes 对象，用 fig, ax = plt.subplots() 接收。

1.2.3 Figure 的清理、关闭与保存

fig.clear() 清空 Figure 上的全部内容（保留画布本身），plt.clf() 是清空当前 Figure 的 pyplot 快捷方式。fig.close() 关闭 Figure 并释放内存，plt.close('all') 关闭所有 Figure：

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot([1, 2, 3])

fig.clear()          # 清空内容，Figure 仍在
plt.close(fig)        # 关闭该 Figure
plt.close('all')      # 关闭全部 Figure

内存管理建议：在循环里反复创建 Figure 时，用完后调用 plt.close(fig)，避免大量不用的图形对象堆积占用内存。

fig.savefig() 保存图片

fig.savefig() 把 Figure 保存为文件，格式由扩展名自动推断，支持 PNG、PDF、SVG、EPS、TIFF 等。核心参数有 dpi、bbox_inches、facecolor、transparent：

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9])

fig.savefig('figure.png')                     # 默认 dpi
fig.savefig('figure_hi.png', dpi=300)         # 高分辨率
fig.savefig('figure_pdf.pdf')                 # 矢量格式
fig.savefig('figure_tight.png', bbox_inches='tight')  # 裁剪留白
fig.savefig('figure_tr.png', transparent=True)        # 透明背景

dpi=300 用于论文插图，bbox_inches='tight' 自动裁剪四周空白，transparent=True 生成透明背景方便叠加到其他材料上。

1.2.4 Axes 绘图方法与设置方法

Axes 是承载图表内容的核心对象，绘图方法直接作用在它上面。常用绘图方法包括 ax.plot()（线图）、ax.scatter()（散点图）、ax.bar()（柱状图）、ax.hist()（直方图）、ax.pie()（饼图）等，功能与 pyplot 同名函数一一对应：

import numpy as np

fig, ax = plt.subplots()
x = np.linspace(0, 10, 50)
ax.plot(x, np.sin(x), label='sin')          # 线图
ax.scatter(x, np.cos(x), s=20, label='cos') # 散点图，s 控制点大小
ax.set_title('Axes 绘图示例')
ax.set_xlabel('x 轴')
ax.set_ylabel('y 轴')
fig.show()

设置方法以 set_ 开头，用于配置 Axes 的标题、坐标轴标签、范围、刻度等。常用的设置方法有 ax.set_title()（标题）、ax.set_xlabel()（x 轴标签）、ax.set_ylabel()（y 轴标签）、ax.set_xlim()（x 轴范围）、ax.set_ylim()（y 轴范围）、ax.set_xscale()（x 轴刻度类型，如对数）、ax.set_yscale()（y 轴刻度类型）。它们都可以合并成一次 ax.set() 调用：

ax.set(xlim=(0, 5), ylim=(-1, 1),
       title='合并设置', xlabel='x', ylabel='y')

ax.set() 接受任意 set_* 方法的参数名，把多个设置写在一处，代码更整洁。

1.2.5 图例、网格与坐标轴范围

ax.legend() 添加图例，显示各条曲线的标签。ax.grid() 控制网格线。ax.set_xlim() 与 ax.set_ylim() 设置坐标轴显示范围，ax.axis() 可以一次设置两者：

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9], label='曲线')
ax.legend(loc='upper left')      # 图例位置
ax.grid(True, linestyle='--', alpha=0.6)   # 开启虚线网格

ax.set_xlim(0, 4)                # x 轴范围
ax.set_ylim(0, 10)               # y 轴范围
ax.axis('equal')                 # 或者用 axis 统一控制

loc 参数控制图例位置，可选 'upper left'、'lower right'、'center' 等，也可传数字代码（如 1 表示右上角）。ax.axis('equal') 让 x、y 轴单位长度相等，适合圆形、正方形等需要等比例显示的场景；ax.axis('off') 隐藏坐标轴。ax.axis('tight') 自动缩放至刚好容纳数据。

ax.set_aspect() 可单独控制纵横比，ax.set_aspect('equal') 与 ax.axis('equal') 效果类似。

1.2.6 双轴与共享坐标轴

ax.twinx() 与 ax.twiny() 双轴

ax.twinx() 创建共享 x 轴、独立 y 轴的孪生 Axes，用于在同一张图上叠加量纲不同的两条曲线（如温度与降水量）。ax.twiny() 创建共享 y 轴、独立 x 轴的孪生 Axes：

fig, ax1 = plt.subplots()
x = np.arange(0, 10, 0.5)

ax1.plot(x, x ** 2, 'b-', label='数值 A')
ax1.set_ylabel('数值 A', color='b')

ax2 = ax1.twinx()                       # 共享 x 轴
ax2.plot(x, x * 100, 'r--', label='数值 B')
ax2.set_ylabel('数值 B', color='r')

ax1.legend(loc='upper left')
ax2.legend(loc='upper right')

双轴常用于两个变量单位不同但趋势相关的情形。使用双轴后图例要分别挂在两个 Axes 上，且注意颜色与坐标轴对应清晰，避免读者混淆。

ax.sharex() 与 ax.sharey() 共享坐标轴

ax.sharex(other) 让当前 Axes 与 other 共享 x 轴，ax.sharey(other) 共享 y 轴。共享后两个 Axes 的坐标轴范围联动，放大一个另一个同步变化，方便对齐比较：

fig, (ax1, ax2) = plt.subplots(2, 1, sharex=True)   # 创建时共享
ax1.plot([1, 2, 3], [3, 1, 2])
ax2.plot([1, 2, 3], [5, 8, 6])

plt.subplots(sharex=True, sharey=True) 在创建时统一共享。共享 x 轴后通常隐藏上方的 x 刻度标签，节省垂直空间。sharex='all' 表示该 Figure 内全部 Axes 共享，sharex='none' 表示全部不共享。

1.2.7 Axis 坐标轴对象与刻度控制

Axis 是 Axes 内部的坐标轴对象，管理刻度位置与刻度标签。ax.xaxis 与 ax.yaxis 分别对应 x、y 轴。坐标轴上的每个刻度位置由 Locator（定位器） 决定，刻度标签的格式由 Formatter（格式化器） 决定。

获取主刻度与次刻度对象列表：

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9])

major_ticks = ax.xaxis.get_major_ticks()   # 主刻度 Tick 列表
minor_ticks = ax.xaxis.get_minor_ticks()   # 次刻度 Tick 列表
print(len(major_ticks))

get_major_ticks() 与 get_minor_ticks() 返回该轴上主、次刻度的 Tick 对象列表，每个 Tick 含刻度线与刻度标签。

设置主刻度定位器，控制刻度出现的位置：

from matplotlib.ticker import MultipleLocator, MaxNLocator

ax.xaxis.set_major_locator(MultipleLocator(2))   # 主刻度每隔 2 一个
ax.xaxis.set_minor_locator(MultipleLocator(0.5)) # 次刻度每隔 0.5 一个

常用定位器有 MultipleLocator(step)（固定间隔）、MaxNLocator(n)（最多 n 个刻度）、FixedLocator(ticks)（指定位置）、LogLocator（对数刻度）。

设置刻度标签的格式：

from matplotlib.ticker import FormatStrFormatter, FuncFormatter

ax.xaxis.set_major_formatter(FormatStrFormatter('%.1f'))   # 保留一位小数
ax.yaxis.set_minor_formatter(FormatStrFormatter('%.2f'))   # 次刻度格式

# 用函数自定义格式
def fmt(x, pos):
    return f'{x:.2f}'

ax.xaxis.set_major_formatter(FuncFormatter(fmt))

set_major_formatter() 设置主刻度标签格式，set_minor_formatter() 设置次刻度标签格式。常用格式化器有 FormatStrFormatter（printf 风格格式串）、FuncFormatter（自定义函数）、PercentFormatter（百分比）、ScalarFormatter（默认科学计数法）。启用次刻度标签前通常需要先开启次刻度并配合 ax.minorticks_on()：

ax.minorticks_on()   # 显示次刻度
ax.xaxis.set_minor_locator(MultipleLocator(0.5))
ax.xaxis.set_minor_formatter(FormatStrFormatter('%.2f'))

ax.minorticks_on() 开启次刻度显示，ax.minorticks_off() 关闭。

1.2.8 Tick 刻度线对象

Tick 是坐标轴上单个刻度的对象，包含刻度线（tick line）与刻度标签（tick label）。get_major_ticks() 返回的每个 Tick 都能单独设置颜色、长度、标签：

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9])

ticks = ax.xaxis.get_major_ticks()
ticks[0].tick1line.set_color('red')      # 第一条主刻度线染红
ticks[0].label1.set_fontsize(14)         # 第一条主刻度标签字号

Tick 对象的常见属性有 tick1line（下方刻度线）、tick2line（上方刻度线，双轴时用）、label1（下方标签）、label2（上方标签）。整轴统一设置刻度属性时，用 Axes 的 ax.tick_params() 更方便：

ax.tick_params(axis='x', colors='red', labelsize=10, direction='in')
ax.tick_params(axis='y', which='minor', length=2, color='green')

ax.tick_params() 的 axis 参数指定 'x'、'y' 或 'both'，which 参数指定 'major'、'minor' 或 'both'，配合 colors、length、labelsize、direction（刻度线朝内 'in' 或朝外 'out'）统一控制整轴刻度外观。

1.2.9 Artist 基类与 add_artist、add_patch、add_line

Artist 是所有图形元素的基类。Figure、Axes、Line2D、Text、Patch、Tick 都继承自 Artist。Artist 提供统一的属性读写接口：set() 批量设置属性，get() 或 get_<属性名>() 读取属性：

fig, ax = plt.subplots()
line, = ax.plot([1, 2, 3], [1, 4, 9])

line.set(color='green', linewidth=3, linestyle='--')  # 批量设置
print(line.get_color())      # green
print(line.get_linewidth())  # 3.0
print(line.get_xdata())      # 数据点 x 坐标

set() 接受任意关键字参数，等价于调用对应的 set_<属性名>()；get_<属性名>() 读取单个属性。这套统一接口让用户不需要记住每个类特有的方法名。

除了绘图方法自动创建的 Artist，还可以手动创建元素并添加到 Axes 上。ax.add_artist() 添加任意 Artist，ax.add_patch() 添加 Patch（填充区域，如矩形、圆形、多边形），ax.add_line() 添加 Line2D：

from matplotlib.patches import Rectangle, Circle

fig, ax = plt.subplots()
ax.plot([0, 1], [0, 1])

rect = Rectangle((0.2, 0.2), 0.3, 0.3, facecolor='orange', alpha=0.5)
ax.add_patch(rect)                       # 添加矩形

circle = Circle((0.8, 0.8), 0.1, facecolor='blue')
ax.add_artist(circle)                    # 添加圆形

from matplotlib.lines import Line2D
new_line = Line2D([0, 1], [0.5, 0.5], color='red', linestyle=':')
ax.add_line(new_line)                    # 添加自定义线

ax.set_xlim(0, 1)
ax.set_ylim(0, 1)

Rectangle、Circle 等图形类位于 matplotlib.patches 模块，创建时传入位置与尺寸参数，再通过 add_patch 挂到 Axes 上。手动添加 Artist 适合画示意图、标注框、特殊几何形状等绘图方法无法直接覆盖的场景。要注意 add_artist 添加的 Artist 不会自动纳入数据范围计算，必要时手动设置 ax.set_xlim() 与 ax.set_ylim()。

练习题

第1题 概念理解

说明 Figure、Axes、Axis、Tick 四个对象的层级关系；说明 fig.add_axes([l, b, w, h]) 中四个数值的含义；说明 set_major_locator() 与 set_major_formatter() 分别控制什么。

参考答案

层级从大到小为 Figure（画布）包含 Axes（绘图区域），每个 Axes 有 x 轴与 y 轴两个 Axis 对象，每个 Axis 上分布若干 Tick（刻度）。add_axes 的四元组分别是相对 Figure 宽高的 left（左边距）、bottom（下边距）、width（宽度）、height（高度），取值 0 到 1。set_major_locator() 控制主刻度出现的位置，set_major_formatter() 控制主刻度标签的显示格式。

第2题 代码编写

创建一个 2 行 2 列的子图网格，分别在四个子图中画线图、散点图、柱状图、直方图；给每个子图设置标题与坐标轴标签；为第一幅图添加图例与网格；保存为 subplots.png。

参考答案

import matplotlib.pyplot as plt
import numpy as np

fig, axs = plt.subplots(2, 2, figsize=(8, 6))
x = np.linspace(0, 10, 50)

axs[0, 0].plot(x, np.sin(x), label='sin')
axs[0, 0].set_title('线图')
axs[0, 0].legend()
axs[0, 0].grid(True)

axs[0, 1].scatter(x, np.cos(x), s=10)
axs[0, 1].set_title('散点图')

axs[1, 0].bar(['A', 'B', 'C'], [3, 7, 5])
axs[1, 0].set_title('柱状图')

axs[1, 1].hist(np.random.randn(500), bins=20)
axs[1, 1].set_title('直方图')

fig.suptitle('2x2 子图网格')
fig.savefig('subplots.png', dpi=150)

第3题 进阶练习

用 twinx() 在同一张图上绘制单位不同的两组数据并分别着色；用 MultipleLocator 与 FormatStrFormatter 设置主刻度间隔为 1、标签保留两位小数；再用 add_patch 在图上添加一个矩形标注区域。

参考答案

import matplotlib.pyplot as plt
import numpy as np
from matplotlib.ticker import MultipleLocator, FormatStrFormatter
from matplotlib.patches import Rectangle

fig, ax1 = plt.subplots()
x = np.arange(0, 10)

ax1.plot(x, x ** 2, 'b-', label='平方值')
ax1.set_ylabel('平方值', color='b')
ax1.xaxis.set_major_locator(MultipleLocator(1))
ax1.xaxis.set_major_formatter(FormatStrFormatter('%.2f'))

ax2 = ax1.twinx()
ax2.plot(x, np.exp(x / 3), 'r--', label='指数值')
ax2.set_ylabel('指数值', color='r')

rect = Rectangle((4, 0), 2, 60, facecolor='gray', alpha=0.3)
ax1.add_patch(rect)

ax1.legend(loc='upper left')
ax2.legend(loc='upper right')
fig.show()

常见错误

错误 1 · 用 plt.plot() 连续画两张图但内容叠加在一起

原因:pyplot 状态机始终作用于当前 Figure 与 Axes,未创建新图时内容叠在同一张图。

解决:每次画新图前用 plt.figure() 或 plt.subplots() 创建新画布,或明确持有 fig、ax 对象使用面向对象接口。

错误 2 · fig.add_axes([...]) 画出的小图位置或大小不对

原因:四元组数值是相对 Figure 的比例,超出 0 到 1 范围或 left+width 超过 1 会越界。

解决:确保 left 与 width 之和不超过 1,bottom 与 height 之和不超过 1。

错误 3 · 保存图片四周留白过多

原因:默认 savefig 按 Figure 原始尺寸输出,四周有默认边距。

解决:使用 fig.savefig(path, bbox_inches='tight') 自动裁剪留白。

错误 4 · 循环画图后内存占用不断上涨

原因:循环内创建的 Figure 未关闭,对象被持续保留。

解决:每次循环结束调用 plt.close(fig),或绘制完成后用 plt.close('all') 统一释放。

错误 5 · 设置 set_major_formatter 后刻度标签没有变化

原因:可能设置了错误的轴对象,或主刻度位置过密导致格式看不出来,也可能格式串语法有误。

解决:确认操作的是 ax.xaxis 或 ax.yaxis 对应的轴;先用 set_major_locator 控制刻度数量,再验证格式串(如 '%.1f')。

错误 6 · add_patch 添加的矩形没有出现在图中

原因:手动添加的 Artist 不参与坐标轴范围自动计算,图形落在数据范围之外。

解决:手动调用 ax.set_xlim() 与 ax.set_ylim() 覆盖到添加元素的坐标区域。