Matplotlib三层结构全解析

Matplotlib 的三层结构及相关知识点整理如下：

一、容器层

负责提供绘图的 “容器”，是绘图的基础框架部分。

• 画板层（Canvas）：是底层的绘图区域，是图像绘制的载体，用户一般不直接操作。
• 画布（plt.figure(figsize=, dpi=)）：通过 plt.figure 创建，figsize 用于设置画布的尺寸（宽、高），dpi 用于设置画布的分辨率，决定图像的清晰程度。
• 绘图区 / 坐标系（figure, axes = plt.subplots(nrows=, ncols=, figsize=, dpi=)）：通过 plt.subplots 创建，nrows 和 ncols 用于设置子图的行数和列数，可在一个画布上创建多个子图，方便同时展示多组数据的可视化结果，figsize 和 dpi 同样用于设置尺寸和分辨率。

二、辅助显示层

用于对图像进行修饰、补充说明等，让图像更易读、更具信息性。

• 修改 x，y 轴刻度（plt.xticks()、plt.yticks()）：可以自定义 x 轴和 y 轴的刻度值，使刻度显示更符合需求。
• 添加描述信息（plt.xlabel()、plt.ylabel()、plt.title()）：plt.xlabel 和 plt.ylabel 分别用于设置 x 轴和 y 轴的标签，说明轴所代表的含义；plt.title 用于设置图像的标题，概括图像内容。
• 添加网格（plt.grid()）：在图像上添加网格线，有助于更清晰地对比数据点的位置等情况。
• 显示图例：用于区分图像中不同的数据集或绘图元素，增强图像的可读性。

三、图像层

是绘图的核心部分，用于绘制具体的图像类型，可设置图像颜色、风格、标签等。

• 折线图（plt.plot()）：用于展示数据随某个变量的变化趋势，通过连接数据点形成折线来呈现。
• 散点图（plt.scatter()）：用于展示两个变量之间的关系，每个数据点以散点的形式呈现。
• 柱状图（plt.bar()）：用于比较不同类别数据的数值大小，以柱子的高度或长度来表示数据量。
• 直方图（plt.hist()）：用于展示数据的分布情况，将数据分组后，以矩形的面积表示每组数据的频率等。
• 饼图（plt.pie()）：用于展示各部分数据占总体的比例关系，以扇形的大小来表示比例。