【Python】【Matplotlib】`fig, ax = plt.subplots()` 返回的 `fig` 和 `ax` 是什么？

在使用Python进行数据可视化时，Matplotlib 是最常用的绘图库之一。在Matplotlib中，fig, ax = plt.subplots() 是一种常见的用法，但对于初学者来说，fig 和 ax 是什么、它们的作用可能并不十分清楚。本文将详细解释 fig 和 ax 的概念、作用以及如何在实际绘图中使用它们，并通过代码示例和图解帮助你更好地理解。

一、Matplotlib概述

Matplotlib 是一个强大的数据可视化库，常用于生成各种图表，如折线图、散点图、柱状图等。Matplotlib的核心是图形（figure）和轴（axes）的概念。理解这些基本概念，对于有效使用Matplotlib非常重要。

• Figure（图形）：Figure 是整个图形的容器，包含了所有的图像元素。它是绘制图形的顶层对象，负责管理子图、标题、标签等内容。一个 figure 对象可以包含一个或多个 axes 对象。
• Axes（轴）：Axes 是图表的实际区域，负责显示数据的坐标系统和图形。每个 Axes 对象代表一个独立的图表（即子图）。Axes 包含坐标轴（x轴、y轴）和数据的绘制区域。

二、plt.subplots() 函数

在Matplotlib中，plt.subplots() 是创建图形（figure）和子图（axes）的一种简便方法。它同时返回一个 figure 对象和一个或多个 axes 对象，这使得它成为一个非常有用的函数。

import matplotlib.pyplot as plt

fig, ax = plt.subplots()

这里，fig 和 ax 分别代表 figure 和 axes 对象。

• fig：代表整个图形，通常用来设置整个图形的属性，例如标题、大小、保存图形等。
• ax：代表一个或多个子图（轴），你可以在这些轴上绘制数据图形（如线条、点等）。

plt.subplots() 参数

plt.subplots() 函数也支持多个参数，可以控制图形和子图的布局。常见参数包括：

• nrows：子图的行数。
• ncols：子图的列数。
• sharex, sharey：是否共享x轴或y轴。
• figsize：图形的大小，单位是英寸。

例如，plt.subplots(2, 2) 会创建一个包含4个子图（2行2列）的图形。

三、fig 和 ax 的详细说明

1. fig - Figure对象

fig 是整个图形的容器，包含了所有的子图以及图形的整体设置。它的作用主要体现在：

• 设置图形标题：可以设置整个图形的标题。
• 调整图形大小：可以设置图形的宽度和高度。
• 保存图形：可以将图形保存为各种格式（例如PNG、PDF等）。

示例：如何使用 fig 设置图形标题和大小

import matplotlib.pyplot as plt

# 创建一个图形和一个子图
fig, ax = plt.subplots()

# 设置图形的标题
fig.suptitle("My First Plot", fontsize=16)

# 设置图形的大小
fig.set_size_inches(8, 6)

# 绘制一些数据
ax.plot([1, 2, 3], [1, 4, 9])

# 显示图形
plt.show()

2. ax - Axes对象

ax 是实际绘制图形的区域，包含坐标轴、数据点和各种图形元素。每个 ax 对象代表一个子图，它的主要功能包括：

• 绘制数据：通过 ax 可以绘制各种类型的图形，如折线图、散点图、柱状图等。
• 设置坐标轴：你可以通过 ax 设置坐标轴的标签、刻度、范围等。
• 自定义样式：你可以通过 ax 对图形进行样式的自定义，比如设置网格线、颜色、线条样式等。

示例：如何使用 ax 绘制数据

import matplotlib.pyplot as plt

# 创建一个图形和一个子图
fig, ax = plt.subplots()

# 绘制数据
ax.plot([1, 2, 3], [1, 4, 9], label="y = x^2")

# 设置x轴和y轴的标签
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')

# 添加图例
ax.legend()

# 显示图形
plt.show()

四、多个子图的使用

当你需要在同一个图形中绘制多个子图时，可以通过 plt.subplots() 函数中的 nrows 和 ncols 参数来实现。此时，ax 返回的是一个包含多个 Axes 对象的数组，每个 Axes 对象对应一个子图。

示例：创建一个2x2的子图并绘制数据

import matplotlib.pyplot as plt

# 创建一个2x2的子图布局
fig, axs = plt.subplots(2, 2)

# 绘制每个子图
axs[0, 0].plot([1, 2, 3], [1, 4, 9])
axs[0, 0].set_title("Plot 1")

axs[0, 1].plot([1, 2, 3], [2, 4, 6])
axs[0, 1].set_title("Plot 2")

axs[1, 0].plot([1, 2, 3], [1, 2, 1])
axs[1, 0].set_title("Plot 3")

axs[1, 1].plot([1, 2, 3], [3, 6, 9])
axs[1, 1].set_title("Plot 4")

# 调整子图之间的间距
plt.tight_layout()

# 显示图形
plt.show()

在这个例子中，axs 是一个2x2的 Axes 数组，每个元素对应一个子图。通过 axs[行, 列] 可以访问到每个子图，进而进行绘制。

五、fig 和 ax 的常用方法

1. fig 对象的常用方法

• fig.suptitle(title, fontsize)：设置整个图形的标题。
• fig.set_size_inches(width, height)：设置图形的尺寸。
• fig.savefig(filename)：保存图形为文件。

2. ax 对象的常用方法

• ax.plot(x, y)：绘制折线图。
• ax.scatter(x, y)：绘制散点图。
• ax.set_title(title)：设置子图的标题。
• ax.set_xlabel(label)：设置x轴标签。
• ax.set_ylabel(label)：设置y轴标签。
• ax.legend()：显示图例。

六、总结

通过本文的介绍，您应该已经理解了 fig 和 ax 的基本概念及其作用。在Matplotlib中：

• fig 代表整个图形，负责管理图形的大小、标题等。
• ax 代表具体的子图，负责绘制数据、设置坐标轴标签和样式等。

理解 fig 和 ax 的关系，能够帮助你更灵活地使用Matplotlib进行数据可视化，特别是在绘制多个子图或复杂图形时，它们的作用尤为重要。

希望通过本文的学习，你能更好地理解 plt.subplots() 的返回值以及如何在绘图中使用它们！