7.1 Figure、Axes 与面向对象 API

第 6 章已经把清洗后的观测转换成可比较变量。可视化会再做一次转换：数值变成位置、长度、颜色、形状和文字。选择图表之前，先要理解 Matplotlib 把这些视觉对象放在哪里。

把 Matplotlib 图看成对象层级

图形（Figure）是顶层容器，也就是最终显示或保存的完整画布。绘图区（Axes）是 Figure 内的一个绘图面板；尽管英文名称以 s 结尾，一个 Axes 仍然是单数对象。普通二维 Axes 包含 x 轴与 y 轴，它们分别由 Axis 对象管理尺度、刻度和刻度标签。

折线、点、柱、文字、图例、图像，甚至 Axes 本身，都是 Matplotlib 能绘制的 Artist 对象。可以把实用层级理解为：

text

Figure
└── 一个或多个 Axes
    ├── xaxis 与 yaxis
    ├── 数据 Artist：折线、点集、图形块、图像
    └── 解释 Artist：标题、标签、图例、注释

创建对象后保留显式引用：

python

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 4.5), layout="constrained")
line, = ax.plot(
    daily["date"],
    daily["revenue"],
    marker="o",
)

ax.set(
    title="每日收入",
    xlabel="日期",
    ylabel="收入（元）",
)
fig.suptitle("门店运营")

figsize 的单位是英寸。Figure 管理整图标题与布局；Axes 管理数据坐标系和面板标签。ax.plot 创建 Line2D Artist，并把它添加到这个 Axes。line, = ... 中的尾随逗号会拆出 plot 返回的单元素列表。

这种写法通常称为面向对象 API（object-oriented API），当前 Matplotlib 文档也称它为显式 Axes 接口。另一种 plt.plot(...) 会使用隐式“当前 Axes”。它适合一次性探索，但当 notebook 有多个面板或辅助函数时，隐藏状态很容易把内容画错位置。

正在加载交互实验...

正在加载概念检查...

正在加载本节练习...

把 Artist 当作可配置、可测试的结果

绘图方法会返回它创建的 Artist。后续代码需要配置或验证时，应保存这些引用：

python

actual_line, = ax.plot(x, actual, label="实际", zorder=3)
target_line, = ax.plot(
    x,
    target,
    label="目标",
    linestyle="--",
    zorder=2,
)
band = ax.fill_between(
    x,
    target * 0.95,
    target * 1.05,
    alpha=0.15,
    label="目标 ±5%",
    zorder=1,
)

zorder 控制绘制层级，数值越大越靠上。背景区间通常应位于主数据线下方；透明度有帮助，但不能代替正确图层顺序。

可复用绘图函数应接收 Axes，而不是自行创建 Figure 或调用 plt.gca()：

python

def plot_target(ax, x, actual, target):
    band = ax.fill_between(
        x, target * 0.95, target * 1.05,
        alpha=0.15, label="目标 ±5%", zorder=1,
    )
    actual_line, = ax.plot(
        x, actual, marker="o", label="实际", zorder=3,
    )
    target_line, = ax.plot(
        x, target, linestyle="--", label="目标", zorder=2,
    )
    return {
        "band": band,
        "actual": actual_line,
        "target": target_line,
    }

这样，调用者可以决定布局、图例、保存和显示，也能做结构化测试：

python

artists = plot_target(ax, weeks, actual, target)

assert artists["actual"].axes is ax
assert artists["band"].get_zorder() < artists["actual"].get_zorder()

除非精确渲染本身就是需求，否则不要默认逐像素比较输出。字体与栅格化会因后端和操作系统而变化。优先测试绑定数据、标签、范围、尺度、Artist 数量和所属关系；只在外观确实构成契约时增加少量视觉回归测试。

正在加载交互实验...

正在加载概念检查...

正在加载本节练习...

管理 Figure 生命周期

notebook 可能自动显示最后一个 Figure。脚本通常调用 plt.show() 打开交互窗口，或用 fig.savefig(...) 生成文件。循环或服务批量生成图时，保存后要关闭 Figure：

python

fig.savefig("daily-revenue.svg", bbox_inches="tight")
plt.close(fig)

关闭操作会释放 GUI 与渲染资源，不会删除已保存文件。下一节将使用这套对象模型，根据分析问题选择并构建折线图、柱状图、散点图和分布图。

7.1 Figure、Axes 与面向对象 API

把 Matplotlib 图看成对象层级

折线、点、柱、文字、图例、图像，甚至 Axes 本身，都是 Matplotlib 能绘制的 Artist 对象。可以把实用层级理解为：

text

Figure
└── 一个或多个 Axes
    ├── xaxis 与 yaxis
    ├── 数据 Artist：折线、点集、图形块、图像
    └── 解释 Artist：标题、标签、图例、注释

创建对象后保留显式引用：

python

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(8, 4.5), layout="constrained")
line, = ax.plot(
    daily["date"],
    daily["revenue"],
    marker="o",
)

ax.set(
    title="每日收入",
    xlabel="日期",
    ylabel="收入（元）",
)
fig.suptitle("门店运营")

正在加载交互实验...

正在加载概念检查...

正在加载本节练习...

把 Artist 当作可配置、可测试的结果

绘图方法会返回它创建的 Artist。后续代码需要配置或验证时，应保存这些引用：

python

actual_line, = ax.plot(x, actual, label="实际", zorder=3)
target_line, = ax.plot(
    x,
    target,
    label="目标",
    linestyle="--",
    zorder=2,
)
band = ax.fill_between(
    x,
    target * 0.95,
    target * 1.05,
    alpha=0.15,
    label="目标 ±5%",
    zorder=1,
)

zorder 控制绘制层级，数值越大越靠上。背景区间通常应位于主数据线下方；透明度有帮助，但不能代替正确图层顺序。

可复用绘图函数应接收 Axes，而不是自行创建 Figure 或调用 plt.gca()：

python

def plot_target(ax, x, actual, target):
    band = ax.fill_between(
        x, target * 0.95, target * 1.05,
        alpha=0.15, label="目标 ±5%", zorder=1,
    )
    actual_line, = ax.plot(
        x, actual, marker="o", label="实际", zorder=3,
    )
    target_line, = ax.plot(
        x, target, linestyle="--", label="目标", zorder=2,
    )
    return {
        "band": band,
        "actual": actual_line,
        "target": target_line,
    }

这样，调用者可以决定布局、图例、保存和显示，也能做结构化测试：

python

artists = plot_target(ax, weeks, actual, target)

assert artists["actual"].axes is ax
assert artists["band"].get_zorder() < artists["actual"].get_zorder()

正在加载交互实验...

正在加载概念检查...

正在加载本节练习...

管理 Figure 生命周期

python

fig.savefig("daily-revenue.svg", bbox_inches="tight")
plt.close(fig)

关闭操作会释放 GUI 与渲染资源，不会删除已保存文件。下一节将使用这套对象模型，根据分析问题选择并构建折线图、柱状图、散点图和分布图。