3. Matplotlib基础：Figure与Axes对象、画布设置、基本绘图流程

各位同学，咱们今天来啃Matplotlib这块硬骨头。说实话，刚开始学数据可视化的时候，我也被Figure和Axes这两个概念绕晕过。后来在项目里画了几百张图，才真正搞明白它们的关系。今天我就把这点经验掰开揉碎了讲给你听。

3.1 核心概念：Figure与Axes

先打个比方。Figure就像一张画布，Axes就是画布上的绘图区域。一张画布上可以画多幅图，也就是多个Axes。我习惯把Figure想象成一张A4纸，Axes就是纸上用铅笔框出来的一个个小格子。

嗯，这里要注意：很多人把Axes和Axis搞混。Axes是绘图区域，Axis是坐标轴。我在代码评审时经常看到有人写plt.axis()，其实他想操作的是Axes对象。

3.2 画布设置：从空白到有图

咱们直接上代码。先创建一个最基本的画布：

import matplotlib.pyplot as plt

# 创建画布和绘图区域
fig, ax = plt.subplots(figsize=(8, 6))

# 设置画布属性
fig.set_facecolor('#f0f0f0')  # 背景色
fig.suptitle('我的第一张图', fontsize=16)  # 总标题

# 设置绘图区域属性
ax.set_xlabel('X轴标签')
ax.set_ylabel('Y轴标签')
ax.set_title('子图标题')
ax.grid(True, linestyle='--', alpha=0.7)

我个人习惯用plt.subplots()而不是plt.figure()。为什么？因为前者直接返回Figure和Axes对象，操作起来更顺手。我在项目中遇到过用plt.figure()画多子图时，坐标轴乱套的情况，后来全改成subplots了。

参数	说明	常用值
figsize	画布尺寸(宽,高)，单位英寸	(8,6)、(10,8)
dpi	分辨率	100、150、300
facecolor	背景颜色	'white'、'#f5f5f5'
nrows/ncols	子图行列数	1、2、3

3.3 基本绘图流程：折线图

折线图是最常用的图表之一。说白了，就是把数据点用线连起来。来看一个完整的例子：

import matplotlib.pyplot as plt
import numpy as np

# 1. 准备数据
x = np.linspace(0, 10, 20)
y = np.sin(x)

# 2. 创建画布
fig, ax = plt.subplots(figsize=(10, 6))

# 3. 绘制折线
ax.plot(x, y, 
        color='#2E86AB',      # 线条颜色
        linewidth=2,          # 线宽
        marker='o',           # 数据点标记
        markersize=6,         # 标记大小
        markerfacecolor='#A23B72',  # 标记填充色
        label='sin(x)')       # 图例标签

# 4. 美化图表
ax.set_title('正弦函数折线图', fontsize=14, pad=15)
ax.set_xlabel('X值', fontsize=12)
ax.set_ylabel('Y值', fontsize=12)
ax.legend(loc='best')
ax.grid(True, alpha=0.3)

# 5. 显示图表
plt.tight_layout()
plt.show()

3.4 基本绘图流程：散点图

散点图适合展示两个变量之间的关系。你想想看，如果想知道身高和体重有没有关系，散点图就是最好的选择。

# 准备数据
np.random.seed(42)
x = np.random.randn(100)
y = 2 * x + np.random.randn(100) * 0.5

# 创建画布
fig, ax = plt.subplots(figsize=(8, 6))

# 绘制散点图
scatter = ax.scatter(x, y,
                     c=y,                # 根据y值着色
                     cmap='viridis',      # 颜色映射
                     s=50,               # 点的大小
                     alpha=0.7,          # 透明度
                     edgecolors='white',  # 边缘颜色
                     linewidth=0.5)       # 边缘线宽

# 添加颜色条
cbar = plt.colorbar(scatter, ax=ax)
cbar.set_label('颜色映射值', fontsize=10)

# 添加趋势线
z = np.polyfit(x, y, 1)
p = np.poly1d(z)
ax.plot(x, p(x), 'r--', alpha=0.8, label='趋势线')

ax.set_title('散点图示例：带趋势线', fontsize=14)
ax.set_xlabel('X变量', fontsize=12)
ax.set_ylabel('Y变量', fontsize=12)
ax.legend()
ax.grid(True, alpha=0.3)

plt.tight_layout()
plt.show()

3.5 知识体系结构图

下面这张图总结了Matplotlib绘图的核心流程，我把它画成了流程图，方便你理解：

3.6 实用技巧总结

最后，分享几个我在项目中积累的小技巧：

• 保存图片用savefig：设置dpi=300和bbox_inches='tight'，避免图片被裁剪
• 中文字体问题：加一行plt.rcParams['font.sans-serif'] = ['SimHei']，否则中文显示成方框
• 负号显示：加上plt.rcParams['axes.unicode_minus'] = False
• 颜色搭配：别用默认颜色，试试#2E86AB、#A23B72这类高级灰