#!/usr/bin/env python
# coding: utf-8

# # 基于对象的可视化操作
# 
# 相对于基于函数的可视化操作，Matplotlib提供了更灵活的方式进行可视化操作——基于对象的方法进行操作。
# 
# 事实上，对Matplotlib来说，每张图都是一个Figure对象，可以通过`plt.figure()`函数产生。Figure对象可以通过`.add_axes()`方法向图中添加Axes对象。Axes对象可以进行绘图操作，调用它的`.plot()`方法相当于调用`plt.plot()`函数。
# 
# 例如：

# In[1]:


from matplotlib import pyplot as plt
import numpy as np

x = np.linspace(0, 5, 10)
y = x ** 2

fig = plt.figure()

axes = fig.add_axes([0.1, 0.1, 0.8, 0.8])
axes.plot(x, y, 'r')

plt.show()


# 绘制多张子图时，可以直接使用`plt.subplots()`函数来同时得到Figure对象和子图对应Axes对象数组：

# In[2]:


import numpy as np
from matplotlib import pyplot as plt

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

fig, axes = plt.subplots(2, 1)
axes[0].plot(t1, f(t1), 'bo', t2, f(t2), 'k')
axes[1].plot(t2, np.cos(2*np.pi*t2), 'r--')
plt.show()


# 也可以调用两次.add_axes()方法：

# In[3]:


from matplotlib import pyplot as plt
import numpy as np

def f(t):
    return np.exp(-t) * np.cos(2*np.pi*t)

t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)

fig = plt.figure()

# 参数含义：左下角横坐标，纵坐标，横轴长度，纵轴长度
axes = fig.add_axes([0.1, 0.5, 0.8, 0.3]) 

axes.plot(t1, f(t1), 'bo', t2, f(t2), 'k')

# 参数含义：左下角横坐标，纵坐标，横轴长度，纵轴长度
axes = fig.add_axes([0.1, 0.1, 0.8, 0.3])
axes.plot(t2, np.cos(2*np.pi*t2), 'r--')

plt.show()


# In[ ]: