创建基础绘图脚本

Figure 和 Axes 是在实际 Python 脚本中用于数据可视化的组件。虽然可以交互式地创建图表（特别是在 Jupyter Notebook 等环境中），但了解典型绘图脚本的结构，对于制作可复用且更复杂的图表非常重要。

大多数 Matplotlib 绘图脚本遵循以下标准步骤顺序：

1. 导入所需库： 主要是 Matplotlib 的 pyplot 模块。
2. 准备数据： 这可能涉及创建 Python 列表、使用 NumPy 数组，或通过 Pandas 加载数据（我们将在后面介绍）。
3. 创建 Figure 和 Axes： 这会设置画布以及实际绘制图表的区域。最常见的方法是使用 plt.subplots()。
4. 绘制数据： 在 Axes 对象上调用绘图方法（例如 plot()、scatter()、bar() 等）。
5. 自定义图表： 添加标题、标签、图例、更改颜色、设置范围等，同样使用与 Axes 对象相关的方法。
6. 显示图表： 使用 plt.show() 显示 Figure。

我们来看一个最简脚本，它将这些步骤结合起来，创建一个简单的折线图。

# 1. 导入所需库
import matplotlib.pyplot as plt

# 2. 准备数据
x_values = [0, 1, 2, 3, 4, 5]
y_values = [0, 1, 4, 9, 16, 25] # 简单的 y = x^2 数据

# 3. 创建 Figure 和 Axes
fig, ax = plt.subplots() # 创建一个 Figure 和一个 Axes 对象

# 4. 在 Axes 上绘制数据
ax.plot(x_values, y_values)

# 5. 自定义图表（可选但推荐）
ax.set_title("Simple Plot: y = x^2")
ax.set_xlabel("X Values")
ax.set_ylabel("Y Values (Squared)")

# 6. 显示图表
plt.show()

我们来分解一下主要部分：

• import matplotlib.pyplot as plt：这会导入 pyplot 模块，它为 Matplotlib 库提供了一个便捷的接口。我们使用标准的别名 plt。 "* x_values = ...、y_values = ...：在这里，我们只是定义包含数据点的简单 Python 列表。在实际场景中，这些数据可能来自文件、数据库或计算。"
• fig, ax = plt.subplots()：这是一种非常常见且重要的模式。plt.subplots() 函数会为我们创建两个对象：
  • fig：代表整个 Figure 或窗口。您以后可能会用它来执行保存图表或调整 Figure 整体属性等任务。
  • ax：代表 Axes，即实际进行绘图的子图。您将使用的大多数绘图命令（plot()、scatter()、set_title()、set_xlabel() 等）都是此 Axes 对象的方法。使用 ax 可以使您的代码明确您正在 哪个位置 绘图。
• ax.plot(x_values, y_values)：这是实际绘制折线图的命令。我们在创建的 ax 对象上调用 plot() 方法，并传入 x 和 y 数据。
• ax.set_title(...)、ax.set_xlabel(...)、ax.set_ylabel(...)：这些方法同样在 ax 对象上调用，它们为我们的图表添加描述性元素，使其更易于理解。
• plt.show()：此函数告知 Matplotlib 渲染并显示您创建的 Figure。在某些交互式环境（如 Jupyter）中，图表可能会自动显示，但显式调用 plt.show() 可以确保您的脚本在运行时（例如从标准 Python 文件运行时）显示图表。这是一个好习惯，建议包含它。

执行此脚本将打开一个显示折线图的窗口：

一个由基础脚本生成的简单折线图，显示 $x$ 从 0 到 5 时的 $y=x^2$。

这种基本结构为使用 Matplotlib 创建几乎所有图表提供了基础框架。虽然还有其他方式来生成图表（有时您可能会看到直接使用 plt.plot() 的代码），但通常建议使用 fig, ax = plt.subplots() 的方法并在 ax 对象上调用方法（即面向对象风格）。它提供了更好的控制，特别是当您开始在同一 Figure 上处理多个子图时，并且使您的代码更清晰地表示您正在修改可视化的哪个部分。

在接下来的部分中，我们将学习 ax.plot() 和 ax.scatter() 等特定的绘图函数，并检查通过 Axes 对象方法提供的各种自定义选项。