Matplotlib画布

小象实战讲义 · Python数据分析实战

在上一节中，我们了解了Matplotlib绘图的基本流程和元素。从本节开始，我们将正式学习如何使用Matplotlib进行绘图。一切绘图都始于一个承载图像的“画布”（Figure），这是Matplotlib最基础的元素。本节将带你掌握画布的创建、大小控制以及在Jupyter Notebook中的使用注意事项。

💡 核心导读

• Figure对象：Matplotlib的所有图像都位于Figure对象中，它是绘图的顶层容器。
• 画布创建：使用plt.figure()显式创建画布，养成良好编程习惯。
• 画布大小：通过figsize参数（单位：英寸）控制画布尺寸。
• 绘图三步法：创建画布 → 准备/生成数据 → 调用绘图函数并显示。
• Jupyter使用注意：在Notebook中，创建画布和后续绘图代码应置于同一个Cell中，或通过变量传递Figure对象。

1. 理解Figure：绘图的画布

在Matplotlib中，Figure（画布） 是所有绘图元素的顶层容器。你可以将其想象为一张空白的画纸，后续的坐标轴、线条、点等都将绘制在这张“画纸”上。

创建画布最直接的方式是调用plt.figure()函数。

import matplotlib.pyplot as plt

# 创建一张画布
plt.figure()

运行上述代码，虽然你看不到任何图形（因为没有绘制内容），但一个Figure对象已经在后台被创建了。

一个重要的细节：即使你不显式调用plt.figure()，当你第一次调用如plt.plot()这样的绘图函数时，Matplotlib也会自动为你创建一个默认的画布。这是一种便利机制。然而，我们强烈建议你养成显式创建画布的习惯。这样做的好处是代码意图更清晰，并且可以方便地在创建时设置画布属性，例如大小。

2. 基础绘图三步走

有了画布，我们就可以进行绘图了。一个最简单的绘图流程可以分为三步：

1. 创建画布 (plt.figure())
2. 准备/生成数据
3. 绘图并显示 (调用绘图函数，如plt.plot()，最后用plt.show()显示)

让我们通过一个具体例子来实践这个流程。

import matplotlib.pyplot as plt

# 第一步：创建画布
plt.figure()

# 第二步：准备数据
data = [2, 3, 6, 7, 11]  # 这代表Y轴的值

# 第三步：绘图并显示
plt.plot(data)  # 绘制折线图
plt.show()

执行这段代码，你会看到一条折线。这里有一个关键点需要理解：当我们只传入一个列表（如[2, 3, 6, 7, 11]）给plt.plot()时，Matplotlib会将这些值视为Y轴的坐标。X轴的坐标则被自动设置为从0开始的整数序列 [0, 1, 2, 3, 4]。

因此，这条折线实际上连接了五个点：(0,2), (1,3), (2,6), (3,7), (4,11)。由于这些点并非严格在一条直线上，所以我们看到的是一条有起伏的折线。如果数据是[2, 4, 6, 8, 10]，那么绘制的就是一条斜率为2的直线。

3. 控制画布大小

默认创建的画布大小是固定的。但在很多场景下，我们需要调整画布的尺寸以适应不同的展示需求，比如创建一个细长型的图表。

这可以通过plt.figure()的figsize参数来实现。figsize接受一个元组(width, height)，单位是英寸（inch）（1英寸 = 2.54厘米）。

下面的例子将创建一个宽度为20英寸、高度为5英寸的“扁长”画布，并在上面绘制100个随机数据点。

import matplotlib.pyplot as plt
import numpy as np

# 设置随机种子，确保示例可复现（注意：仅用于演示，印刷时不依赖随机输出）
np.random.seed(42)

# 创建自定义大小的画布：宽度20英寸，高度5英寸
plt.figure(figsize=(20, 5))

# 生成100个随机数据点
random_data = np.random.randn(100)

# 绘制折线图
plt.plot(random_data)
plt.show()

运行后，你可以明显感受到画布形状的变化。通过调整figsize的两个数值，你可以轻松创建出正方形、长方形等各种比例的画布。

4. 在Jupyter Notebook中的注意事项

在Jupyter Notebook（或JupyterLab）中编写和运行Matplotlib代码时，有一个特殊的注意事项：创建画布的代码和后续在该画布上绘图的代码，必须放在同一个Cell中执行。

这是因为Jupyter中所有Cell共享同一个Python内核命名空间，代码并非”互不记忆”；真正的原因在渲染侧：Notebook 使用 inline 后端时，每个Cell执行结束会把当前图形渲染输出并”收走”它。因此若把两段代码拆到两个Cell：

• Cell 1: plt.figure(figsize=(20, 5))
• Cell 2: plt.plot([1,2,3]); plt.show()

那么Cell 1 执行结束时，inline 后端就会把这张画布渲染输出并关闭；等Cell 2 执行时，当前已经没有活动的画布，plt.plot 会自动创建一张新的默认大小的画布并在上面绘图。这就导致你设置的figsize=(20,5)没有生效。

正确的做法有两种：

1. （推荐）将相关代码放在同一个Cell。
2. 将plt.figure()返回的Figure对象赋值给一个变量（如fig = plt.figure(...)），然后在后续的Cell中将这个变量fig传递给特定的绘图函数或方法（这通常在使用面向对象接口时更常见）。对于初学者使用plt.plot()这种函数式接口，第一种方法更简单直接。

为了让你更清晰地看到问题现象，请看下面的对比演示：

# 演示：在Notebook中分开Cell执行的效果（模拟）
# 假设下面两个代码块分别在两个独立的Cell中

# Cell 1：仅创建画布
import matplotlib.pyplot as plt
plt.figure(figsize=(20, 5))
print("Cell 1执行完毕：创建了一个 figsize=(20,5) 的画布。")

Cell 1执行完毕：创建了一个 figsize=(20,5) 的画布。

# Cell 2：尝试在“另一个Cell”中绘图
import matplotlib.pyplot as plt
import numpy as np

# 由于与Cell 1不在同一上下文，这里会使用默认画布
np.random.seed(42)
data = np.random.randn(100)
plt.plot(data)
plt.show()
print("Cell 2执行完毕：在默认大小的画布上完成了绘图。")

Cell 2执行完毕：在默认大小的画布上完成了绘图。

从输出提示可以看出，虽然我们在第一个Cell创建了特定大小的画布，但在第二个Cell绘图时，这个设置并没有被沿用。在实际的Notebook界面中，第二个Cell显示的图形将是默认尺寸，而非我们设定的(20, 5)。

📝 动手练一练

1. 概念辨析：如果不调用plt.figure()直接使用plt.plot()绘图，会发生什么？Matplotlib是如何处理的？显式创建画布有什么好处？

2. 动手实践：请修改下面代码中的figsize参数，创建一个高度大于宽度的“瘦高型”画布（例如宽5英寸，高10英寸），并绘制数据[10, 8, 6, 4, 2, 0]的折线图。观察画布形状的变化。

import matplotlib.pyplot as plt

# 创建瘦高型画布：宽度5英寸，高度10英寸
plt.figure(figsize=(5, 10))

# 准备数据并绘图
data = [10, 8, 6, 4, 2, 0]
plt.plot(data)

plt.show()

本章小结

本节我们深入学习了Matplotlib绘图的基础——Figure（画布）。画布是所有可视化元素的容器，理解它是掌握Matplotlib的第一步。

📋 行动清单

学完本节，你可以立即：

• 在任何绘图开始前，习惯性地使用 plt.figure() 显式创建画布。
• 根据图表展示的需要，使用 figsize 参数（单位：英寸）调整画布的宽度和高度。
• 在Jupyter Notebook中编码时，确保将创建画布和后续绘图命令放在同一个Cell中执行。

—— 小象教研组