图像基本知识：

通常情况下，我们可以将一副Matplotlib图像分成三层结构：

1.第一层是底层的容器层，主要包括Canvas、Figure、Axes；

2.第二层是辅助显示层，主要包括Axis、Spines、Tick、Grid、Legend、Title等，该层可通过set_axis_off()或set_frame_on(False)等方法设置不显示；

3.第三层为图像层，即通过plot、contour、scatter等方法绘制的图像。

容器层：容器层主要由Canvas、Figure、Axes组成

　　Canvas是位于最底层的系统层，绘图过程中充当画板的角色，即放置画布的工具。通常情况下，我们并不需要对Canvas特别的声明，但是当我需要在其他模块如PyQt中调用Matplotlib模块绘图时，就需要首先声明Canvas，这就相当于我们在自家画室画画不用强调要用画板，出去写生时要特意带一块画板。

　　Figure（fig）是Canvas上方的第一层，也是需要用户来操作的应用层的第一层，在绘图的过程中充当画布的角色。当我们对Figure大小、背景色彩等进行设置的时候，就相当于是选择画布大小、材质的过程。因此，每当我们绘图的时候，写的第一行就是创建Figure的代码。

　　Axes（ax,坐标系）是应用层的第二层，在绘图的过程中相当于画布上绘图区的角色。一个Figure对象可以包含多个Axes对象，每个Axes都是一个独立的坐标系，绘图过程中的所有图像都是基于坐标系绘制的。

辅助显示层：

　　辅助显示层为Axes内的除了根据数据绘制出的图像以外的内容，主要包括Axes外观(facecolor)、边框线(spines)、坐标轴(axis)、坐标轴名称(axis label)、坐标轴刻度(tick)、坐标轴刻度标签(tick label)、网格线(grid)、图例(legend)、标题(title)等内容。该层的设置可使图像显示更加直观更加容易被用户理解，但又并不会对图像产生实质的影响。

图像层：

　　图像层指Axes内通过plot、scatter、hist、contour、bar、barbs等函数根据数据绘制出的图像。

保存图表plt.savefig()

　　调用plt.savefig()将当前的Figure对象保存成图像文件，图像格式由图像文件的扩展名决定。下面程序将当前的图表保存为“test.png”，并且通过dpi指定图像的分辨率为120，因此输出图像的宽度为“8X120 = 960”个像素。使用这种方法可以很容易编写出批量输出图表的程序。plt.savefig("test.png",dpi=120)

plt.imshow()

imshow()函数格式为：matplotlib.pyplot.imshow(X, cmap=None)

X: 要绘制的图像或数组

cmap: 颜色图谱（colormap), 默认绘制为RGB(A)颜色空间。其它可选的颜色图谱如下列表：

颜色图谱	描述
autumn	红-橙-黄
bone	黑-白，x线
cool	青-洋红
copper	黑-铜
flag	红-白-蓝-黑
gray	黑-白
hot	黑-红-黄-白
hsv	hsv颜色空间， 红-黄-绿-青-蓝-洋红-红
inferno	黑-红-黄
jet	蓝-青-黄-红
magma	黑-红-白
pink	黑-粉-白
plasma	绿-红-黄
prism	红-黄-绿-蓝-紫-...-绿模式
spring	洋红-黄
summer	绿-黄
viridis	蓝-绿-黄
winter	蓝-绿

Plt.figure()

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, facecolor=None, edgecolor=None)

所有参数都是可选的，都有默认值，因此调用该函数时可以不带任何参数，其中：

num: 整型或字符型都可以。设置为整型，则该整型数字表示窗口序号。设置为字符型，则该字符串表示窗口名称。用该参数来命名窗口，两个窗口序号或名相同，则后一个窗口会覆盖前一个窗口。

figsize: 设置窗口大小。是一个tuple型的整数，如figsize=（8，8）。

dpi: 整形数字，表示窗口的分辨率。

facecolor: 窗口的背景颜色。edgecolor: 窗口的边框颜色。

用figure()函数创建的窗口，只能显示一幅图片，显示多幅图片，则需要将这个窗口再划分为几个子图，在每个子图中显示不同的图片。

可以使用subplot（）函数来划分子图，函数格式为：

matplotlib.pyplot.subplot(nrows, ncols, plot_number)

nrows: 子图的行数。

ncols:  子图的列数。

plot_number: 当前子图的编号。

ax.get_xlim()

获得Axes的x坐标范围，默认是 (0.0, 1.0)

ax.get_yscale()

获得y轴的数据刻画类型

ax.set_xscale('log')

将x轴设置为log

plt.tight_layout()

如果有多个子图，我们可以使用tight_layout()函数来调整显示的布局，该函数格式为：

matplotlib.pyplot.tight_layout(pad=1.08, h_pad=None, w_pad=None, rect=None)

所有的参数都是可选的，调用该函数时可省略所有的参数:

pad: 主窗口边缘和子图边缘间的间距，默认为1.08

h_pad, w_pad: 子图边缘之间的间距，默认为 pad_inches

rect: 一个矩形区域，如果设置这个值，则将所有的子图调整到这个矩形区域内。

一般调用为：plt.tight_layout()  #自动调整subplot间的参数