Python 在matplotlib中使用plot、Axis或figure绘制绘图有什么区别？

当我在matplotlib，tbh中绘制绘图时，我有点搞不清楚后端发生了什么，我不清楚绘图、轴和图形的层次结构。我阅读了文档，它很有帮助，但我仍然感到困惑

以下代码以三种不同的方式绘制相同的绘图-

#creating the arrays for testing
x = np.arange(1, 100)
y = np.sqrt(x)
#1st way
plt.plot(x, y)
#2nd way
ax = plt.subplot()
ax.plot(x, y)
#3rd way
figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

现在我的问题是-

这三种方法之间的区别是什么？我的意思是，当调用这三种方法中的任何一种时，引擎盖下会发生什么

什么时候应该使用哪种方法？在这些问题上使用任何方法的优缺点是什么

---

方法1

plt.plot(x, y)

这使您可以使用（x，y）坐标仅绘制一个图形。如果你只想得到一个图形，你可以用这种方式

方法2

ax = plt.subplot()
ax.plot(x, y)

这样可以在同一窗口中绘制一个或多个地物。在编写时，您将只绘制一个图形，但您可以制作如下内容：

fig1, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)

您将在同一窗口中绘制4个图形，分别命名为ax1、ax2、ax3和ax4。用我的例子，这个窗口将被分成4个部分

方法3

fig = plt.figure()
new_plot = fig.add_subplot(111)
new_plot.plot(x, y)

我没有使用它，但是你可以找到文档

示例：

import numpy as np
import matplotlib.pyplot as plt

# Method 1 #

x = np.random.rand(10)
y = np.random.rand(10)

figure1 = plt.plot(x,y)

# Method 2 #

x1 = np.random.rand(10)
x2 = np.random.rand(10)
x3 = np.random.rand(10)
x4 = np.random.rand(10)
y1 = np.random.rand(10)
y2 = np.random.rand(10)
y3 = np.random.rand(10)
y4 = np.random.rand(10)

figure2, ((ax1, ax2), (ax3, ax4)) = plt.subplots(2, 2)
ax1.plot(x1,y1)
ax2.plot(x2,y2)
ax3.plot(x3,y3)
ax4.plot(x4,y4)

plt.show()

其他示例：

对象的名称 Matplotlib是一个非常面向对象的库，它的主要对象是图形和轴（我发现

轴的名称有点误导，但可能只是我自己）

您可以将图形视为画布，您通常会指定其尺寸，并可能指定背景色等。您使用画布，即图形，基本上有两种方式，将其他对象放置在画布上（主要是轴，但也包括文本标签等）并使用
savefig
保存其内容

你可以把轴看作是一种瑞士军刀，一种方便的工具（例如，
.plot
，
.scatter
，
.hist
等），主要用于一切。你可以放置一个，两个。。。使用多种不同方法中的一种，在图形中有许多轴

plt
接口
plt程序接口最初是为了模拟MATLAB而开发的™ 接口，但与面向对象的接口没有真正的区别，即使您没有直接引用主要对象（即图形和轴），这些对象也会自动实例化，每个plt方法本质上都是，转换为对底层基本对象的方法之一的调用：例如，
plt.plot（）
是
隐藏的轴。plot
和
plt.savefig
是
隐藏的图。savefig

在任何时候，您都可以使用
plt.gcf
和
plt.gca
对这些隐藏对象进行控制，当其中一个对象方法尚未移植到plt命名空间中的方法时，这是必要的

我想补充一点，plt名称空间还包含许多方便的方法，可以以不同的方式实例化图形和轴

你的例子
第一路

plt.plot(x, y)

在这里，您仅使用plt界面，在每个图形中只能使用一个轴，但这正是您在探索数据时所需要的，
一个快速完成工作的食谱

第二条路

ax = plt.subplot()
ax.plot(x, y)

在这里，您使用plt名称空间中的一种方便方法为轴对象指定名称（和句柄），但顺便说一句，还有一个隐藏的图形。稍后，您可以使用轴对象进行绘图、制作直方图等，您可以使用plt界面执行所有操作，但您也可以访问其所有属性并更自由地修改它们

第三条路

figure = plt.figure()
new_plot = figure.add_subplot(111)
new_plot.plot(x, y)

在这里，您开始使用plt命名空间中的一个方便方法来实例化图，之后只使用面向对象的接口

可以绕过plt便利方法（
matplotlib.figure.figure
），但随后必须调整图形以获得更好的交互体验（毕竟，这是一种便利方法）

个人推荐
我建议在交互式会话的上下文中使用bare
plt.plot
，
plt.scatter
，可能使用它的magic命令，也可以在探索性Jupyter笔记本的上下文中使用

另一方面，面向对象的方法，加上一些
plt
方便的方法，就是要走的路


如果你有一个永久性的问题需要用
精心调整的子地块的定制布局
如果要在所编写程序的UI中嵌入Matplotlib

在这两个极端之间有一个很大的灰色区域，如果你问我该怎么做，我会说“这要看情况了”…
我已经读过了，但我觉得答案一点也不令人满意。它解释了层次结构，但也引起了困惑，为什么没有一种传统的方式，为什么图形对象甚至被暴露？我不确定您是否引用了这个确切的文档。这就回答了你的问题，为什么这个数字会暴露出来。就我个人而言，这是我找到的对matplotlib最好的解释。Figure对象允许您在不使用轴的情况下直接添加自己的美工师，尽管这很少使用，除非您想调整图形本身的“补丁”等。请注意，图形是父容器，承载轴和美工师。@hashcode55每个图形都是独立的。我给你看一本书example@hashcode55我将用一个例子来编辑（仅仅是我在天体物理学研究中的数字，