Différences entre le tracé, les axes et la figure dans Matplotlib

Matplotlib est une bibliothèque Python orientée objet pour créer des visualisations. Il utilise trois objets principaux : la figure, les axes et le tracé.

La figure

La figure représente l'intégralité du canevas ou de la fenêtre dans laquelle la visualisation sera affichée. Il définit la taille globale et la disposition du canevas, y compris les marges, la couleur d'arrière-plan et toute autre propriété globale.

Les axes

Les axes représentent une zone spécifique dans la figure où les données sont tracées. . Ils définissent le système de coordonnées pour le traçage, y compris les étiquettes des axes, les graduations et les lignes de grille. Plusieurs axes peuvent être créés dans une seule figure pour permettre plusieurs tracés.

Le tracé

L'objet tracé est utilisé pour représenter une visualisation de données spécifique au sein d'un axe. Il peut s'agir d'un tracé linéaire, d'un nuage de points, d'un histogramme ou de tout autre type de représentation graphique. Chaque tracé est associé à un objet Axes spécifique.

Invocation de méthode

Maintenant, examinons comment ces objets interagissent lors de l'utilisation de différentes méthodes dans Matplotlib :

• plt.plot(x, y) : Cette méthode invoque la méthode plot() de l'objet Axes masqué et crée un nouveau tracé dans la figure actuelle.
• ax = plt.subplot () ax.plot(x, y) : Cette méthode crée explicitement un objet Axes à l'aide de subplot(), puis appelle sa méthode plot() pour créer un tracé dans ces axes.
• figure = plt.figure() new_plot = figure.add_subplot(111) new_plot.plot(x, y) : Cette méthode crée d'abord un Figure, puis y ajoute un objet Axes à l'aide de add_subplot(), et enfin invoque la méthode plot() sur les nouveaux Axes.

Sélection de méthode

Le choix de la méthode dépend sur les exigences du cas d'utilisation spécifique :

• plt.plot() : convient aux tracés interactifs simples et rapides.
• ax.plot () : utile lorsque vous devez accéder et personnaliser des propriétés d'axes spécifiques.
• figure.add_subplot() : fournit plus de contrôle sur la disposition et la personnalisation de la visualisation.

En fin de compte, la sélection de la méthode appropriée dépend de facteurs tels que le nombre de parcelles, la disposition souhaitée et le besoin de personnalisation.