概要

matplotlib算是历史悠久的python可视化库了，2003年就发布了 v0.10 版本，现在已经到了 v3.x 版本了。
​

代码和功能虽然有翻天覆地改变，但由于其历史悠久，功能强大，用户基数庞大，所以，我们在使用 matplotlib 库的时候，几乎可以搜索到我们需要的各种示例。
​

我之前的做的一些数据分析结果的展示项目，没有去研究 matplotlib 的文档，只是看看接口和示例，也能写出各种分析结果的展示。
​

但是，系统地去了解下 matplotlib 库还是有必要的，一方面了解之后可以写出更高效的代码，另一方面，对各种示例能做到知其然也知其所以然，更高效的对示例做一些微调。
​

基础元素

下面都是 matplotlib 库中一些基本元素的术语，直接用的英文，没有翻译，这样方便和库的API对应上（库中的API函数也是使用这些英文名称）。

matplotlib 中重要的基础元素主要有5种：

1. Figure：最重要的元素，所有的其他元素都是绘制在其上
2. Axes：第二重要的元素，也就是 subplot（子图），数据都是显示在这个区域
3. Axis：坐标轴，本质是一种带装饰的 spines，一般分为 xaxis 和 yaxis
4. Spines：数据显示区域的边界，可以显示或不显示
5. Artist：任何显示在 Figure 上的元素

​

这5个元素的概念不是互相独立的，比如 Axis 可以看做是一种 Spines，而Figure，Axes和Axis都可以看成是 Artist。
Artist 是很通用的概念，几乎任何需要绘制的元素都可以当成是 Artist，但是一个 Artist 只能存在于一个 Axes 之上。
​

图元（graphic primitives）

图元可以看作是可编辑的 Artist，包括：

1. Patches，比如 markers，bars，也可以是一系列的 circles，rectangles，polygons等等
2. Lines，比如 ticks，hatches等等
3. Texts，支持任意的字体，也支持 latex 格式的数学格式

​

通过下图可以看到 Figure 上显示的各类图元：

绘制图形的引擎（Backends）

matplotlib 的图形绘制引擎也是可以设置的，根据显示的要求选择栅格图或者矢量图。

这些 renderers 可以图形接口（UI）对接

外形尺寸和清晰度（dimmensions ＆ resolution）

matplotlib 的尺寸的单位是（inch），可以在初始化指定，也可以在随后的代码中指定。
比如：

plt.figure(figsize=(6, 6))  # 生成的图像是 6英寸 * 6英寸的

这里的单位是英寸，不是像素。如何要生成指定像素的图像，还需要指定清晰度，也就是dpi（dots per inch)。
比如：

plt.figure(figsize=(6, 6), dpi=100)  # 生成 600*600 像素的图像
plt.figure(figsize=(5.12, 5.12), dpi=100)  # 生成 512*512 像素的图像

也就是说，像素由图形大小乘以其清晰度来决定的，figsize控制图像的大小，dpi控制图像的清晰度。

总结

对 matplotlib 中的基础元素和概念的了解有助于理解它的文档中各类API的划分依据，绘制复杂图像的时候，能够更合理的规划显示区域和绘制顺序。

 

出处：https://www.cnblogs.com/wang_yb/p/15882712.html