Matplotlib面向对象简介
Matplotlib面向对象主要是可以实现更加定制化的绘图，但相比于通过直接使用pyplot而言使用也更加复杂。Matplotlib中大的对象主要分为三个，FigureCanvas（画布），Figure（图），Axes（绘制的坐标轴）。
一张图中绘制多个子图
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1, 100)
# 创建一个图
fig = plt.figure()
#331表示，将这个图分为3*3的格式(即一共可以添加9个子图)，并添加一号子图
ax1 = fig.add_subplot(331)
ax1.plot(x,x)
#334表示向这个3*3的图中添加四号子图
ax2 = fig.add_subplot(334)
ax2.plot(x,np.log(x))
# 对于同一个figure而言，划分成的格式应该一样
# 例如对于上边的figure而言，fig.add_subplot()中的参数只能是“33X”
# 33表示的是将一个figure按照3*3划分，X表示要操作的子图，取值范围为1-9
plt.show()生成多张图
生成多张图可以通过创建多个Figure对象来实现
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(0, 100)
fig1 = plt.figure()
ax1 = fig1.add_subplot(111)
ax1.plot(x,x)
fig2 = plt.figure()
ax2 = fig2.add_subplot(111)
ax2.plot(x,-x)
plt.show()网格背景及图例的显示
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,10,1)
plt.plot(x,x*2,label="Normal")
plt.plot(x,x*3,label="Fast")
plt.plot(x,x*4,label="Faster")
#网格的显示可以通过plt.grid(True)来显示
plt.grid(True)
#图例的显示可以通过plt.legend()来显示，需要提前给要绘制的图形添加上label
plt.legend()
plt.show()在使用面向对象的绘图中可以通过对Axes的操作来实现图例的显示
x = np.arange(1,10,1)
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x,x*2,label="Normal")
ax1.legend()
plt.show()调整坐标轴范围
调整坐标轴范围可以有多种方式，
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,11,1)
fig = plt.figure()
ax1 = fig.add_subplot(111)
ax1.plot(x,x)方式一
#使用plt.axis()函数，四个值分别对应着x轴的起点，终点，y轴的起点，终点 plt.axis([5,10,4,8])方式二
#使用plt.xlim()函数 plt.xlim(xmin=2,xmax=8) plt.ylim(ymin=2,ymax=8)
调整坐标轴的刻度
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(1,11,1)
plt.plot(x,x)
ax = plt.gca()
#只调整x轴刻度
ax.locator_params('x',nbins=20)
plt.show()调整坐标轴的刻度有两种方式：
通过Axes对象的locator_params()函数（面向对象的方式）
通过matplotlib.pyplot的locator_params()函数
两种方式其实使用的都是locator_params()，其有多个参数可供选择
常用参数有：
nbins：划分成多少份刻度
x：表示调整的是x轴刻度
y：表示调整的是y轴刻度
注：若x，y都不填则默认参数为both，即两个轴都会调整
绘制样式的美化
之前的绘制都是直接使用原生的样式来绘制，而Matplotlib内建的提供了更多的多种样式可供我们选择。
#通过使用该方法可以美化我们绘制出的图形
plt.style.use('ggplot')
#该方法可以查看当前可供选择的style
plt.style.available