約定

我們導(dǎo)入matplotlib時(shí)，推薦使用：

因此，簡潔起見，在后面我們將經(jīng)常使用 mpl代表matplotlib。

還將用：

• figure ，表示matplotlib繪制的圖形；
• Image，表示位圖圖像，或柵格圖像，保存方式為點(diǎn)陣存儲(chǔ)，也稱為點(diǎn)陣圖像；
• Graphic，表示矢量圖形，用數(shù)學(xué)方法描述的圖形。

有一部分初學(xué)者，因?yàn)閷?duì)位圖、矢量圖、分辨率、DPI、PPI、圖像尺寸、坐標(biāo)等概念的不清晰，也造成了學(xué)習(xí)、使用mpl的一些困擾。

將會(huì)專門以一篇文章，用草根的語言討論一下這些基本概念，理清這些概念對(duì)理解matplotlib框架非常有好處。

Matplotlib基礎(chǔ)架構(gòu)

Matplotlib是基于Pythony語言，旨在為Python提供一個(gè)數(shù)據(jù)繪圖包的開源項(xiàng)目，它以Python的一個(gè)庫包的形式分發(fā)、安裝、調(diào)用。

mpl是Python的一個(gè)包，記?。篜ython包就是一個(gè)定義了__init__.py文件的文件夾而已，包中的各個(gè)模塊都會(huì)保存在這個(gè)文件夾中。

matplotlib 實(shí)際上就是提供了 3 種API，用于不同的繪圖場景。

• The pyplot API
• The object-oriented API
• The pylab API (已棄用)

mpl需要其它包的支持，主要有：

• numpy，用于提供繪圖數(shù)據(jù)，你要用于繪圖的數(shù)據(jù)都應(yīng)轉(zhuǎn)換化numpy 的 ndarray，才傳遞給mpl;。事實(shí)上，一幅圖像也可以保存為一個(gè)ndarray（將專門介紹）。
• backend，后端，簡單地說就是將mpl代碼轉(zhuǎn)換為圖形的后臺(tái)算法，如mpl中最常用的FigureCanvasAgg，將專文討論backend。

函數(shù)式繪圖 pyplot API

matplotlib是受MATLAB的啟發(fā)構(gòu)建的，MATLAB語言是面向過程的，利用函數(shù)的調(diào)用，MATLAB中可以輕松的利用一行命令來繪制直線，然后再用一系列的函數(shù)調(diào)整結(jié)果。

matplotlib通過matplotlib.pyplot模塊，完全仿照MATLAB的函數(shù)形式，提供了一套繪圖接口。這套函數(shù)接口方便MATLAB用戶過度到matplotlib包。

Python中的函數(shù)式編程是通過封裝對(duì)象實(shí)現(xiàn)的。matplotlib中的函數(shù)式調(diào)用其實(shí)也是如此。matplotlib本質(zhì)上還是構(gòu)建對(duì)象來構(gòu)建圖像。只不過pyplot函數(shù)將構(gòu)建對(duì)象的過程封裝在函數(shù)中，從而讓我們覺得很方便。

pyplot函數(shù)式繪圖創(chuàng)造了一個(gè)仿真MATLAB的工作環(huán)境，并有許多成形的繪圖函數(shù)，如果只是作為Matplotlib的一般用戶，pyplot可以滿足大部分的需求。

但利用函數(shù)式繪圖會(huì)有以下缺點(diǎn)：

1. 增加了一層“函數(shù)”調(diào)用，降低了效率。
2. 隸屬關(guān)系被函數(shù)掩蓋。整個(gè)matplotlib包是由一系列有組織有隸屬關(guān)系的對(duì)象構(gòu)成的。函數(shù)掩蓋了原有的隸屬關(guān)系，將事情變得復(fù)雜、模糊。
3. 細(xì)節(jié)被函數(shù)掩蓋。pyplot并不能完全復(fù)制對(duì)象體系的所有功能，圖像的許多細(xì)節(jié)調(diào)整最終還要回到對(duì)象。
4. 每件事情都可以有至少兩種方式完成，用戶很容易混淆。
5. 封裝，掩蓋了真相，蒙蔽了很多初學(xué)者的雙眼，讓他們迷失在mpl世界的邊緣，始終不能達(dá)到自由操控mpl的境界。

第4、5組成了一個(gè)陷阱，它就是困住很多初學(xué)者的那個(gè)最大的坑。

再看下面的函數(shù)繪圖的示例：

import matplotlib.pyplot as pltplt.plot([1, 2, 3, 4])plt.show()

對(duì)于初學(xué)者來說，它很簡單，也很容易模仿，但很多人不知道，函數(shù)封裝的一些東西在后臺(tái)做了些什么，因此長時(shí)間只能照貓畫虎。

面向?qū)ο?strong>(OO, object-oriented)繪圖

我們改用面向?qū)ο?OO, object-oriented)繪圖方式繪制上面的直線圖。

大家先復(fù)制這些代碼，運(yùn)行看看就可以了，后面會(huì)詳細(xì)解釋它們。

因?yàn)椋嫦驅(qū)ο罄L圖需要我們一步一步地創(chuàng)建需要的對(duì)象，包括基礎(chǔ)的Figure，F(xiàn)igureCanvasAgg（畫布），所以需要引入兩個(gè)類: Figure和mpl.backends.backend_agg.FigureCanvasAgg。所以代碼看其來要長得多、復(fù)雜得多。

但這時(shí)，我們反而非常清楚我們創(chuàng)建的每個(gè)對(duì)象，對(duì)象之間的關(guān)系，以及我們正在做什么。

函數(shù)式編程也調(diào)用了這些類，只是調(diào)用的過程被函數(shù)調(diào)用所遮掩，所以初學(xué)者對(duì)函數(shù)創(chuàng)建的對(duì)象常是模糊的，似懂非懂的。函數(shù)式繪圖提供了狀態(tài)機(jī)接口，會(huì)自動(dòng)對(duì)當(dāng)前對(duì)象進(jìn)行繪圖操作，所以對(duì)象的調(diào)用思路也是不清晰的。

而面向?qū)ο罄L圖不同，每個(gè)對(duì)象都是你明確創(chuàng)建的，要對(duì)哪個(gè)對(duì)象進(jìn)行操作也是顯式調(diào)用的，所以你就知其然且知其所以然。

以我個(gè)人的經(jīng)驗(yàn)，認(rèn)為：從面向?qū)ο罄L圖開始才是學(xué)習(xí)matplotlib的正確姿勢！

跟著我前進(jìn)，等你學(xué)習(xí)一段時(shí)間后，你就會(huì)有打通matplotlib修煉任督二脈的感覺。

pylab，仿matlab模式

matplotlib.pylab是一個(gè)模塊，它在單個(gè)名稱空間中批量導(dǎo)入matplotlib.pyplot、numpy以及一些附加函數(shù)用于繪圖。 最初的目的是通過將所有函數(shù)導(dǎo)入全局命名空間來模仿類似MATLAB的工作方式。由于大量導(dǎo)入全局命名空間可能會(huì)導(dǎo)致意外行為，現(xiàn)在這被認(rèn)為是糟糕的風(fēng)格。因此強(qiáng)烈建議不要使用pylab。 事實(shí)上在matplotlib的最新版中已棄用它。

因此，后面，我們將認(rèn)為mpl只有pyplot函數(shù)式繪圖和面向?qū)ο罄L圖兩套API。

總結(jié)

• mpl以numpy, backend為支撐，提供了函數(shù)式繪圖、面向?qū)ο罄L圖兩種繪圖模式（API）;
• 面向?qū)ο罄L圖是mpl的核心、精髓，請(qǐng)從這里開始；
• pyplot僅是對(duì)對(duì)象的封裝而已，會(huì)自然習(xí)得。

關(guān)于mpl框架的更詳細(xì)介紹請(qǐng)見后續(xù)更新。

下一篇：PPI，DPI，inches，Axes, Axis......不再擰不清

本系列文章系本人學(xué)習(xí)筆記的整理和經(jīng)驗(yàn)教訓(xùn)的總結(jié)，難免有偏、錯(cuò)之處，歡迎大家在討論區(qū)交流。也歡迎對(duì)后續(xù)寫作提出寶貴建議！

關(guān)注”Python草堂“頭條號(hào)，和我一起通向mpl的自由殿堂！