matplotlibでplot、axes、またはfigureを使用してプロットを描画することの違いは何ですか？

matplotlib、tbhでプロットを描画するときに、バックエンドで何が起こっているのか混乱しています。プロット、軸、および図の階層が明確ではありません。ドキュメントを読んで役に立ちましたが、まだ混乱しています...

以下のコードは、3つの異なる方法で同じプロットを描画します-

#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)

今私の質問は-

1. 3つすべての違いは何ですか。つまり、3つのメソッドのいずれかが呼び出されたときに、内部で何が起こっているのでしょうか。

2. どの方法をいつ使用する必要があり、それらにいずれかを使用することの長所と短所は何ですか？

方法1

plt.plot(x, y)

これにより、（x、y）座標で1つの図をプロットできます。グラフィックを1つだけ取得したい場合は、この方法を使用できます。

方法2

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

これにより、同じウィンドウに1つまたは複数の図をプロットできます。あなたがそれを書くとき、あなたはただ一つの図をプロットするでしょう、しかしあなたはこのようなものを作ることができます：

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

ax1、ax2、ax3、ax4という名前の4つの図を、それぞれ同じウィンドウにプロットします。このウィンドウは、私の例では4つの部分に分かれています。

方法3

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

私はそれを使用しませんでしたが、ドキュメントを見つけることができます。

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()

その他の例：

オブジェクトの名前

Matplotlibはオブジェクト指向であり、その主要なオブジェクトは図と軸です（名前はaxesは少し誤解を招くとが、おそらく私だけです）。

フィギュアはキャンバスと考えることができます。通常、サイズや背景色などを指定します。キャンバスとフィギュアは、基本的に2つの方法で使用し、他のオブジェクト（主に軸ですが、ほとんどは軸）を配置します。また、テキストラベルなど）、その内容をsavefig。で保存します。

あなたは考えることができ軸申し出ツール（例えばというスイスアーミーナイフのようなもの、便利なオブジェクトとして.plot、.scatter、.histほとんどすべてのためなど）、。さまざまな方法のいずれかを使用して、1つ、2つ、...多くの軸を図形内に配置できます。

pltインターフェース

PLT手続きインタフェースは、もともとMATLAB™インタフェース模倣するために開発されていますが、メインのオブジェクトへの直接参照を作成していない場合でも、オブジェクト指向のインターフェイスから実際に違いはありませんして（すなわち、図および軸）、これらのオブジェクトであります自動的にインスタンス化され、各pltメソッドは、基本的に、基になる基本オブジェクトのメソッドの1つの呼び出しに変換されます。たとえば、aplt.plot()はaでhidden_axes.plot、aplt.savefigはahidden_figure.savefigです。

すべての瞬間では、使用して、これらの隠されたオブジェクトのハンドルを持つことができるplt.gcfとplt.gca、オブジェクトのメソッドのいずれかがでメソッドに移植されていない場合、これは時々必要であるPLTの名前空間。

plt名前空間には、さまざまな方法で図と軸をインスタンス化するための便利なメソッドもいくつか含まれていることを付け加えたいと思います。

あなたの例

第一の方法

plt.plot(x, y)

ここではpltインターフェースのみを使用し、各図で使用できる軸は1つだけですが、これはデータの探索を行うときに必要なものであり、作業を完了するための簡単なレシピです...

2番目の方法

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

ここでは、plt名前空間で便利なメソッドを使用して、Axesオブジェクトに名前（およびハンドル）を付けていますが、非表示の図もあります。後でaxesオブジェクトを使用して、pltインターフェイスで実行できるすべてのことをプロットしたり、ヒストグラムを作成したりできますが、そのすべての属性にアクセスして、より自由に変更することもできます。

第三の道

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

ここでは、plt名前空間で便利なメソッドを使用してFigureのインスタンス化を開始し、後でオブジェクト指向インターフェイスのみを使用します。

pltコンビニエンスメソッド（matplotlib.figure.Figure）をバイパスすることは可能ですが、インタラクティブなエクスペリエンスを向上させるために図を微調整する必要があります（結局のところ、これはコンビニエンスメソッドです）。

個人的な推奨事項

私は裸の提案plt.plot、plt.scatterおそらく使用して、インタラクティブセッションのコンテキストでIPythonをそのと%matplotlib探索Jupyterノートブックのコンテキストでも、魔法のコマンド、および。

一方、オブジェクト指向のアプローチといくつかのplt 便利な方法は、進むべき道です。

• 微調整されたサブプロットのカスタマイズされた配置ですべてを一度に解決する永続的な問題がある場合は、
• 作成したプログラムのUIにMatplotlibを埋め込みたい場合。

これらの両極端の間には大きな灰色の領域があり、どうすればよいかと聞かれたら、「状況によって異なります」とだけ言います...