3. Python 可视化工具：Matplotlib 基础架构、Figure 与 Axes 对象、基本绘图流程

Matplotlib 是 Python 数据可视化生态的基石。理解其核心架构——Figure（画布）与 Axes（坐标系/子图）——是构建任何复杂图表的前提。本节将拆解其对象层次，并演示标准绘图流程。

3.1 Matplotlib 三层架构

Matplotlib 采用分层设计，从底层到顶层依次为：后端（Backend）、Artist（渲染器） 和 pyplot（脚本层）。日常开发主要接触 pyplot 和 Artist 层。

3.2 Figure 与 Axes 对象详解

3.2.1 Figure（画布）

Figure 是顶层容器，负责管理所有子图、标题、图例和画布属性。常用参数包括：

• figsize：画布尺寸（英寸），元组 (width, height)。
• dpi：分辨率（每英寸点数），影响清晰度。
• facecolor：背景色。

3.2.2 Axes（坐标系/子图）

Axes 是实际的数据绘图区域，包含 X/Y 轴、刻度、网格以及所有数据图形（线、柱、点等）。每个 Axes 拥有独立的坐标空间。

3.3 基本绘图流程（四步法）

无论图表多复杂，Matplotlib 绘图都遵循以下四个标准步骤。掌握此流程，即可应对 90% 的日常绘图需求。

1. 创建画布与子图： 使用 plt.subplots() 或 plt.figure() + fig.add_subplot() 创建 Figure 和 Axes 对象。
2. 在 Axes 上绘图： 调用 Axes 的绘图方法（如 ax.plot(), ax.scatter(), ax.bar()）绘制数据。
3. 定制图表元素： 设置标题、轴标签、刻度、图例、网格等，提升可读性。
4. 显示或保存： 使用 plt.show() 显示图表，或 fig.savefig() 保存为文件。

3.4 完整代码示例：从数据到图表

以下代码演示了使用面向对象 API 完成一个完整折线图的绘制过程，包含数据准备、绘图、定制和保存。

import matplotlib.pyplot as plt
import numpy as np

# 1. 准备数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 2. 创建画布和子图（Step 1）
fig, ax = plt.subplots(figsize=(8, 4), dpi=100)

# 3. 在 Axes 上绘图（Step 2）
ax.plot(x, y, color='#3498db', linewidth=2, label='sin(x)')

# 4. 定制图表元素（Step 3）
ax.set_title('正弦波示例', fontsize=14, fontweight='bold')
ax.set_xlabel('X 轴 (弧度)', fontsize=11)
ax.set_ylabel('Y 轴 (振幅)', fontsize=11)
ax.legend(loc='upper right')
ax.grid(True, linestyle='--', alpha=0.6)

# 5. 显示图表（Step 4）
plt.tight_layout()
plt.show()

# 可选：保存为文件
# fig.savefig('sine_wave.png', dpi=150, bbox_inches='tight')

3.5 常见绘图方法速查表

以下表格列出了最常用的 Axes 绘图方法及其适用场景，方便快速查阅。