Python 数据可视化`matplotlib`、`pyplot` 和 `plt`

在 Python 数据可视化中，`matplotlib`、`pyplot` 和 `plt` 是三个密切相关的概念，但它们有不同的角色和用法。下面详细解释它们的关系和区别：

---

### **1. `matplotlib`（库）**
- **是什么**：`matplotlib` 是 Python 最核心的 2D 绘图库，提供了完整的绘图功能（支持折线图、散点图、柱状图、图像等）。
- **作用**：底层绘图引擎，包含多个模块（如 `pyplot`、`axes`、`figure` 等）。
- **安装**：
  ```bash
  pip install matplotlib
  ```
- **直接使用场景**（较少见）：
  ```python
  import matplotlib
  matplotlib.use('TkAgg')  # 设置后端（可选）
  ```

---

### **2. `pyplot`（模块）**
- **是什么**：`matplotlib.pyplot` 是 `matplotlib` 的一个子模块，提供了 **MATLAB风格的绘图接口**（命令式函数）。
- **作用**：简化绘图流程，适合快速交互式绘图（如 Jupyter Notebook）。
- **核心特点**：
  - 维护当前的 **图形（Figure）** 和 **坐标轴（Axes）** 状态。
  - 函数（如 `plot()`, `scatter()`）直接作用于当前图形。
- **典型用法**：
  ```python
  import matplotlib.pyplot as plt  # 标准导入方式
  plt.plot([1, 2, 3], [4, 5, 6])  # 直接绘图
  plt.xlabel("X-axis")
  plt.show()
  ```

---

### **3. `plt`（别名）**
- **是什么**：`plt` 是 `import matplotlib.pyplot as plt` 的 **通用别名**（社区约定俗成）。
- **作用**：简化代码，避免重复输入长模块名。
- **为什么用 `plt` 而不用全称**？
  - 代码更简洁。
  - 所有教程和文档均使用此别名，保持一致性。

---

### **三者的关系**
```mermaid
graph LR
    matplotlib --> pyplot
    pyplot --> plt(别名)
```

---

### **4. 代码对比：不同导入方式的等价性**
| 导入方式                     | 代码示例                          | 适用场景               |
|------------------------------|-----------------------------------|-----------------------|
| `import matplotlib.pyplot as plt` | `plt.plot(...)`                 | 90% 的常规情况        |
| `from matplotlib import pyplot`   | `pyplot.plot(...)`              | 较少用（不推荐）      |
| `import matplotlib`               | `matplotlib.pyplot.plot(...)`   | 几乎不用              |

---

### **5. 深入理解 `pyplot` 的状态机**
`pyplot` 模块通过 **状态机（State Machine）** 管理图形：
```python
import matplotlib.pyplot as plt

plt.figure()          # 创建新图形（Figure）
plt.subplot(121)      # 创建子图1（1行2列的第1个）
plt.plot([1, 2, 3])   # 在当前子图绘制
plt.subplot(122)      # 切换到子图2
plt.scatter([1, 2], [3, 4])
plt.show()            # 显示图形
```
- **隐式状态**：`pyplot` 自动跟踪当前的 `Figure` 和 `Axes`，无需显式传递对象。

---

### **6. 面向对象（OO）风格 vs `pyplot` 风格**
#### **(1) `pyplot` 风格（快速绘图）**
```python
plt.plot([1, 2, 3], label='Line')
plt.legend()
plt.show()
```
- **优点**：代码简短，适合简单绘图。
- **缺点**：对复杂图形控制力不足。

#### **(2) 面向对象风格（推荐用于复杂图形）**
```python
fig, ax = plt.subplots()  # 显式创建Figure和Axes
ax.plot([1, 2, 3], label='Line')
ax.legend()
plt.show()
```
- **优点**：更灵活，可精确控制多个子图。

---

### **7. 常见问题**
#### **Q1: 为什么有时要用 `fig, ax = plt.subplots()`？**
- 直接操作 `Axes` 对象更适合复杂图形（如多子图、自定义布局）。

#### **Q2: `plt.show()` 和 `plt.savefig()` 的区别？**
- `show()`：显示图形（阻塞程序，关闭窗口后继续执行）。
- `savefig()`：保存图形到文件（如 `plt.savefig("plot.png")`）。

#### **Q3: Jupyter 中是否需要 `plt.show()`？**
- 通常不需要（魔术命令 `%matplotlib inline` 会自动显示），但显式调用更安全。

---

### **总结**
| 名称          | 角色                           | 常用场景               |
|---------------|--------------------------------|-----------------------|
| `matplotlib`  | 基础库，提供完整功能           | 底层配置（如后端设置）|
| `pyplot`      | 简化绘图的子模块（MATLAB风格） | 快速交互式绘图        |
| `plt`         | `pyplot` 的别名                | 绝大多数绘图代码      |

**最佳实践**：
- 始终使用 `import matplotlib.pyplot as plt`。
- 简单绘图用 `plt.xxx()`，复杂绘图用面向对象风格（显式操作 `Figure` 和 `Axes`）。