小编点评

**主要元素介绍** * **画布**: 画布是其他所有元素的载体，它可以设置图形的大小、颜色、位置等。 * **标题**: 设置图表的标题，可以设置主标题和子图标题。 * **坐标轴**: 设置x和y轴的标签、刻度等。 * **子图**: 可以使用 add_subplot() 方法创建多个子图并绘制图形。 * **边框**: 可以设置边框颜色和宽度。 * **背景色**: 设置图形背景颜色。 * **方法**: 可以设置标题、子图标题、坐标轴、边框等。 **画布设置** * **figsize**: 设置图形的尺寸，以英寸为单位。 * **dpi**: 设置画布的像素分辨率，每英寸有多少像素。 * **背景色**: 设置图形背景颜色。 * **边框颜色**: 设置边框颜色。 * **边框宽度**: 设置边框的宽度。 * **标题**: 设置图表的标题。

正文

Matplotlib 库是一个用于数据可视化和绘图的 Python 库。
它提供了大量的函数和类，可以帮助用户轻松地创建各种类型的图表，包括直方图、箱形图、散点图、饼图、条形图和密度图等。

使用 Matplotlib 的过程中，遇到的难点并不在于绘制各类的图形，因为每种图形都有其对应的API。
难点在于对绘制的图形进行调整，这些调整包括：

1. 图形的大小
2. 多个图形的组合
3. 坐标轴的方向，刻度的精度
4. 图形的颜色和字体

等等。

进行这些调整需要对 Matplotlib 的绘图机制和其中的主要元素有个整体的了解。
本篇首先整体介绍下Matplotlib绘制的图形中的主要元素，然后重点介绍下其中第一个重要的元素--画布。

1. 主要元素

下面绘制一个简单的图形来演示Matplotlib绘图时的主要元素。

import numpy as np

import matplotlib
import matplotlib.pyplot as plt

%matplotlib inline

#绘制一个展示主要元素的图
x = np.array(range(0, 8))
y1 = np.sin(x)

fig = plt.figure()
fig.set_size_inches(10,4)
fig.set_facecolor('lightgreen')
fig.suptitle("整个图形的总标题")
fig.subplots_adjust(wspace=0.3)

ax1 = fig.add_subplot(121)
ax1.plot(x, y1)
ax1.set_title("图1 标题")
ax1.set_xlabel("图1--x轴")
ax1.set_ylabel("图1--y轴")

ax2 = fig.add_subplot(122)
y2 = np.cos(x)
ax2.plot(x, y1)
ax2.plot(x, y2)
ax2.set_title("图2 标题")
ax2.set_xlabel("图2--x轴")
ax2.set_ylabel("图2--y轴")
ax2.legend(labels=["sin", "cos"])

fig.show()

上例中，我们绘制了2个子图。
主要的元素包括，图形的大小，图形的标题（主标题和子图标题），坐标轴（轴标签和刻度），图例，子图中曲线（这里可以根据情况换成其他图形，比如柱状图，散点图等等）。

上面的示例代码不用太关心，这里只是为了显示Matplotlib的主要元素。
后续的文章会介绍各个主要元素的常用属性，最终的目的是能够灵活的绘制出符合显示要求的图形，而不仅仅只是绘制出图形。

本篇介绍的主要元素是画布。

2. 画布

画布是其他所有的元素的载体，可以说是最重要，也是最容易被忽视的元素。
绘制图形之前，第一件事就是创建画布。

2.1. 主要属性

创建画布之后，一般主要用到的属性是调整画布的大小和颜色。
Matplotlib画布的大小通过设置英寸和dpi来实现，dpi表示一英寸有多少像素。

2.1.1. 画布大小

比如下面的示例：

fig = plt.figure(figsize=[6, 3], dpi=100)
fig.suptitle("标题")
x = np.array(range(0, 8))
y = np.sin(x)
plt.plot(x, y)

修改dpi=200，图形明显变大和清晰。

fig = plt.figure(figsize=[6, 3], dpi=200)

2.1.2. 画布颜色

除了大小，设置画布的颜色也是比较常用的。
颜色主要有两种，背景色和边框颜色（默认的边框宽度是0，所以要设置边框颜色时，别忘了设置边框的宽度）。
比如：下面示例设置了背景色浅绿色，边框宽度10，颜色红色。

fig = plt.figure(facecolor="lightgreen",
                edgecolor="red",
                linewidth=10)
fig.suptitle("标题")
x = np.array(range(0, 8))
y = np.sin(x)
plt.plot(x, y)

2.2. 主要方法

除了属性，画布还有几个方法也是经常使用的。

2.2.1. 设置标题

上面的示例中已经包含了，也就是 suptitle() 方法。

2.2.2. 添加子图

添加子图用 add_subplot() 方法，这个方法的参数一般是三个数组 xyz，
x表示有几行，y表示有几列，z表示是第一个子图。
比如：一行两列2个图

fig = plt.figure()

fig.add_subplot(121)
fig.add_subplot(122)

比如：2行一列2个图：

fig = plt.figure()

fig.add_subplot(211)
fig.add_subplot(212)

比如：2行2列4个图：

fig = plt.figure()

fig.add_subplot(221)
fig.add_subplot(222)
fig.add_subplot(223)
fig.add_subplot(224)

2.2.3. 保存图像

画布还有个重要的功能就是把显示的图形保存下来，即 savefig() 方法。
可以把绘制的图形保存到磁盘，用于分享或者制作报告。

fig.savefig("d:/share/image.png")

3. 总结回顾

画布让我们可以整体上设置图形的质量和排版，分析和作图过程中虽然不用过多考虑它，但是最终如果要出报告和文档时，画布的设置就会变得重要。

画布是绘图的第一步，接下来这个系列会逐步介绍 Matplotlib的其他主要元素。