Jaka jest różnica między rysowaniem wykresów za pomocą wykresu, osi lub figury w matplotlib?

Jestem trochę zdezorientowany, co dzieje się na zapleczu, kiedy rysuję wykresy w matplotlib, tbh, nie jestem jasny z hierarchią działek, osi i figur. Przeczytałem dokumentację i była pomocna, ale nadal jestem zdezorientowany ...

Poniższy kod rysuje ten sam wykres na trzy różne sposoby -

#creating the arrays for testing
x = np.arange(1, 100)
y = np.sqrt(x)
#1st way
plt.plot(x, y)
#2nd way
ax = plt.subplot()
ax.plot(x, y)
#3rd way
figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

Teraz moje pytanie brzmi -

1. Jaka jest różnica między wszystkimi trzema, mam na myśli to, co dzieje się pod maską, gdy wywoływana jest jedna z 3 metod?

2. Której metody należy użyć, kiedy i jakie są wady i zalety jej używania?

Metoda 1

plt.plot(x, y)

Pozwala to narysować tylko jedną figurę ze współrzędnymi (x, y). Jeśli chcesz uzyskać tylko jedną grafikę, możesz użyć tego sposobu.

Metoda 2

ax = plt.subplot()
ax.plot(x, y)

Pozwala to na wykreślenie jednej lub kilku figur w tym samym oknie. W trakcie pisania narysujesz tylko jedną figurę, ale możesz zrobić coś takiego:

fig1, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)

Narysujesz 4 figury, które są nazwane ax1, ax2, ax3 i ax4, każda ale w tym samym oknie. To okno zostanie podzielone na 4 części z moim przykładem.

Metoda 3

fig = plt.figure()
new_plot = fig.add_subplot(111)
new_plot.plot(x, y)

Nie korzystałem z tego, ale możesz znaleźć dokumentację.

Przykład:

import numpy as np
import matplotlib.pyplot as plt

# Method 1 #

x = np.random.rand(10)
y = np.random.rand(10)

figure1 = plt.plot(x,y)

# Method 2 #

x1 = np.random.rand(10)
x2 = np.random.rand(10)
x3 = np.random.rand(10)
x4 = np.random.rand(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)
y4 = np.random.rand(10)

figure2, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
ax1.plot(x1,y1)
ax2.plot(x2,y2)
ax3.plot(x3,y3)
ax4.plot(x4,y4)

plt.show()

Inny przykład:

Nazwy obiektów

Matplotlib jest silnie zorientowany obiektowo, a jego głównymi obiektami są figura i osie (nazwa axesjest trochę myląca, ale prawdopodobnie to tylko ja).

Możesz myśleć o figurze jak o płótnie , którego zazwyczaj określasz wymiary i ewentualnie np. Kolor tła itp. Używasz płótna, figury , zasadniczo na dwa sposoby, umieszczając na niej inne obiekty (głównie osie , ale także etykiety tekstowe itp.) i zapisując jego zawartość z savefig.

Można myśleć o osiach jako pewnego rodzaju szwajcarski scyzoryk, poręczny obiekt, który oferuje narzędzie (np .plot, .scatter, .histetc) do wszystkiego, głównie. Możesz umieścić jedną, dwie, ... wiele osi wewnątrz figury, używając jednej z wielu różnych metod.

pltinterfejs

PLT interfejs proceduralny został pierwotnie opracowany do naśladowania ™ interfejs MATLAB, ale nie jest tak naprawdę różni się od interfejsu obiektowego, nawet jeśli nie robią bezpośrednie odniesienie do głównych obiektów (tj figura i an osie ) obiekty te są tworzone automatycznie i każda metoda plt jest zasadniczo tłumaczona na wywołanie jednej z metod podstawowych obiektów podstawowych: np. a plt.plot()jest a hidden_axes.ploti a plt.savefigjest a hidden_figure.savefig.

W każdej chwili możesz mieć uchwyt na te ukryte obiekty za pomocą plt.gcfi plt.gca, co czasami jest konieczne, gdy jedna z metod obiektu nie została przeniesiona do metody w przestrzeni nazw plt .

Chciałbym dodać, że przestrzeń nazw plt zawiera również szereg wygodnych metod tworzenia instancji, na różne sposoby, figury i osi .

Twoje przykłady

1 sposób

plt.plot(x, y)

Tutaj używasz tylko interfejsu plt , możesz użyć tylko jednej osi na każdej figurze , ale właśnie tego chcesz, gdy eksplorujesz swoje dane, szybki przepis, który wykonuje pracę ...

2 sposób

ax = plt.subplot()
ax.plot(x, y)

Tutaj używasz wygodnej metody w przestrzeni nazw plt, aby nadać nazwę (i uchwyt) swojemu obiektowi axes , ale przy okazji jest też ukryta figura . Możesz później użyć obiektu axes do kreślenia, tworzenia histogramu itp. Wszystkich rzeczy, które możesz zrobić z interfejsem plt , ale możesz także uzyskać dostęp do wszystkich jego atrybutów i modyfikować je z większą swobodą.

3 sposób

figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

Tutaj zaczynasz tworzenie instancji figury przy użyciu wygodnej metody w przestrzeni nazw plt, a później używasz tylko interfejsu obiektowego.

Możliwe jest ominięcie wygodnej metody plt ( matplotlib.figure.Figure), ale musisz wtedy dostosować liczbę, aby uzyskać lepsze wrażenia z interakcji (w końcu jest to wygodna metoda).

Osobiste rekomendacje

Proponuję gołe plt.plot, plt.scatterw kontekście sesji interaktywnej, możliwie użycie IPythona z jego %matplotlibmagicznym poleceniem, a także w kontekście eksploracyjnego notatnika Jupyter.

Z drugiej strony podejście obiektowe plus kilka plt wygodnych metod to droga do zrobienia

• jeśli masz stały problem do rozwiązania raz na zawsze dzięki dostosowanemu układowi precyzyjnie dostrojonych wątków pobocznych,
• jeśli chcesz osadzić Matplotlib w interfejsie użytkownika programu, który piszesz.

Między tymi skrajnościami jest duża szara strefa i jeśli zapytasz mnie, co mam zrobić, powiedziałbym po prostu „To zależy” ...