13 一切都是 Artist，所以一切都能改

▷ 先猜一下

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [2, 4, 3])
len(ax.get_children())

问：这张只有一条线的图，里面有几个对象？

A 1 个。就那条线 B 3 个。线、x 轴、y 轴 C 11 个。边框、文本、坐标轴、背景都算进去 D 上百个。每个刻度、每个标签都是一个对象

三层结构，一个父类

matplotlib 的对象模型只有三层：

关键是那个共同的父类：matplotlib.artist.Artist。「凡是会出现在画布上的东西，都是一个 Artist。」这句话是字面意义上的：

isinstance(fig, Artist)              True
isinstance(ax, Artist)               True
isinstance(ax.lines[0], Artist)      True

Figure 是 Artist，Axes 是 Artist，那条线也是 Artist——一路到底，没有例外。于是它们共享同一套接口：get_*／set_*、set_visible()、set_zorder()、set_alpha()、remove()。

把开头那张图的孩子数出来，本机结果是 11 个：

ax.get_children()      11 个

  Spine       × 4        上下左右四条边框
  Text        × 3        标题 + 两个轴标签（现在是空字符串）
  Line2D      × 1        你画的那条线
  Rectangle   × 1        坐标区的背景
  XAxis       × 1        x 轴（刻度和标签在它里面）
  YAxis       × 1

看到这份清单，一批「怎么改 XXX」的问题立刻有了答案：

ax.spines["top"].set_visible(False)      # 去掉上边框
ax.spines["right"].set_visible(False)    # 去掉右边框
ax.lines[0].set_linestyle("--")          # 那条线改成虚线
ax.patch.set_facecolor("#FAFAF7")        # 坐标区背景
ax.xaxis.set_major_locator(...)          # 刻度密度

「去掉上边框和右边框」是所有数据可视化风格指南的第一条建议，而它在这里只是把两个 Artist 设成不可见。

不用记，问它就行

这一章真正想教的是怎么自己找答案。三个函数：

# 1. 这个 Axes 里有什么
for child in ax.get_children():
    print(type(child).__name__, child)

# 2. 这个 Artist 能改什么       ← 最有用的一个
print(ax.lines[0].properties().keys())      # 本机 49 个属性

# 3. 某个属性的合法取值是什么
import matplotlib
print(matplotlib.artist.getp(ax.lines[0]))  # 打印当前所有属性和值

本机上一条 Line2D 有 49 个可读属性——color、linewidth、linestyle、marker、markersize、alpha、zorder、label、xdata、ydata……每一个都有对应的 set_。你不需要记住它们，你只需要记住怎么把这个列表打出来。

这也解释了 matplotlib 那套看起来很啰嗦的关键字参数：ax.plot(x, y, color="red", lw=2) 里的每个关键字，其实就是在调 line.set_color("red")、line.set_linewidth(2)。关键字参数只是 setter 的语法糖。

zorder：谁盖住谁

既然什么都是 Artist，那画上去的顺序就得有个规矩。matplotlib 用 zorder（数字越大越靠上）：

zorder	什么
0	坐标区背景、图片
1	填充区（`fill_between`）
2	网格线、柱子、散点
2	折线
3	文本
5	图例

所以「网格线画在了数据上面」这种问题，改法是 ax.set_axisbelow(True)，或者直接 ax.grid(zorder=0)。不是玄学，是一个数字。

28 种内置样式，先挑一个再动手改

在逐个改 Artist 之前，通常有更省事的一步：换一套默认值。matplotlib 自带 28 种样式：

print(plt.style.available)          # 28 个
plt.style.use("seaborn-v0_8-whitegrid")

# 或者只在一段代码里生效
with plt.style.context("ggplot"):
    fig, ax = plt.subplots()
    ...

样式文件本质上就是一份 rcParams 的覆盖表——上一章那 339 个键的子集。先换样式，再改剩下那两三处不满意的地方，这个顺序比一开始就手调每个 Artist 省很多力气。

✎ 术语正名

Artist 这个词在别的图形库里叫别的名字，但概念是一样的：

浏览器里叫 DOM 节点——一棵树，每个节点能改样式、能删除。
SVG 里叫元素。
Android 里叫 View／Drawable。
游戏引擎里叫 场景图节点。

它们共享同一套设计：一棵可遍历的树 + 每个节点的属性 + 一个决定遮挡顺序的层级值（CSS 的 z-index、matplotlib 的 zorder、Android 的 elevation）。会了一个，另外几个的心智模型是通用的。

还有两个容易混的：Patch 是「有填充区域的图元」（矩形、圆、多边形），Collection 是「一批同类图元打包在一起」（scatter 返回的是一个 PathCollection，不是几千个点对象——这是性能优化）。所以改散点的颜色要用 collection.set_facecolors(...)，一次改一批。

⌨ 自己跑一遍

这一章最值得跑的就是「把孩子列出来」这一段：

import matplotlib
matplotlib.use("Agg")
import matplotlib.pyplot as plt
from collections import Counter

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [2, 4, 3])

kids = ax.get_children()
print(len(kids))                                          # 11
print(Counter(type(k).__name__ for k in kids))
# Counter({'Spine': 4, 'Text': 3, 'Line2D': 1, 'Rectangle': 1, 'XAxis': 1, 'YAxis': 1})

print(len(ax.lines[0].properties()))                      # 49
print(sorted(ax.spines.keys()))                           # bottom left right top
print(len(plt.style.available))                           # 28

然后动手改几样，看它们真的生效：

ax.spines["top"].set_visible(False)
ax.spines["right"].set_visible(False)
ax.lines[0].set_linestyle("--")
ax.lines[0].set_linewidth(3)
ax.set_axisbelow(True); ax.grid(True)
fig.savefig("out.png", dpi=150, bbox_inches="tight")
plt.close(fig)

python3 -c "import matplotlib;matplotlib.use('Agg');import matplotlib.pyplot as p;f,a=p.subplots();a.plot([1,2,3]);print(len(a.get_children()), len(a.lines[0].properties()))"

把 ax.plot 换成 ax.bar、ax.scatter、ax.hist，再数一次孩子。看清「这个函数到底往图上加了什么」，比记住它的参数有用得多。

▸ 在现实里

浏览器的开发者工具，就是这一章的图形化版本。右键「检查元素」→ 看见 DOM 树 → 改一个属性 → 页面立刻变。ax.get_children() 是它的命令行版本，只是你得自己 print。会用 DevTools 的人，学 matplotlib 的对象模型几乎不需要额外的心智负担。
为什么导出的 PDF 里文字可以选中。因为每个 Text 都是一个独立的 Artist，保存成矢量格式时它就是一个真的文本对象，不是像素。所以论文里的图应该存 PDF 或 SVG（矢量、可编辑、无限清晰），不是 PNG。fig.savefig("x.pdf")。
「图例挡住数据」这个万年问题。图例的 zorder 是 5，比数据高，所以它一定盖在上面。解法要么挪位置（ax.legend(loc="upper left", bbox_to_anchor=(1, 1)) 放到图外），要么调透明度（framealpha）。知道它是一个 Artist 之后，这就是一个普通的布局问题。
动画和交互的原理。FuncAnimation 每一帧做的事就是拿到那些 Artist、调 set_data(...)、重画。之所以能高效，正因为不用重建整棵树，只改属性——和前端框架的「只更新变化的节点」是同一个思路。

✗ 这个直觉是错的

「matplotlib 的默认样式很丑，能改的地方有限，想要好看的图只能用别的库。」

默认样式确实旧（它诞生于 2003 年，追求的是「像 MATLAB」），但能改的地方几乎没有限制——你在图上看到的每一个像素，都属于某个 Artist，都有对应的 set_。本机上光是一条线就有 49 个属性。

真正的门槛不是「能不能改」，是「怎么知道该改谁」。而这个问题有一个机械的答案：ax.get_children() 列出来，找到那个对象，.properties() 看它能改什么。这两行取代了绝大多数「matplotlib 怎么改 XXX」的搜索。

顺带说：seaborn、plotnine、pandas 的绘图全部构建在 matplotlib 之上，返回的也是 Axes。所以这一章的能力对它们全部有效——用 seaborn 画完，再拿 ax 去改细节，是最常见的实战组合。

◇ 揭晓

正确答案是 C：11 个。4 个 Spine、3 个 Text、1 个 Line2D、1 个 Rectangle、1 个 XAxis、1 个 YAxis。

A 「就那条线」——低估了图上「你没画但确实存在」的东西：边框、背景、还没写字的标题。它们即使内容为空也是对象，所以随时能改。 B 「线 + 两根轴」——漏掉了四条 Spine。值得注意的是，Spine（边框）和 Axis（坐标轴）是两样东西：Spine 是那条黑线，Axis 管刻度和标签。所以「去掉边框」和「去掉刻度」要改的是不同的对象。 D 「上百个」——单个刻度确实也是对象（Tick），但它们装在 XAxis 和 YAxis 里面，不是 Axes 的直接孩子。get_children() 只列一层。要往下钻就 ax.xaxis.get_children()。这个答案的直觉是对的（树很深），只是数错了层。

⌗ 交接单

一个 Axes，加上你想改的某个视觉细节。一棵能遍历的 Artist 树，每个节点都有 get_*／set_*。没人。改错了对象不会报错，图只是没变——最常见的症状是「我明明设了却没生效」，通常是设在了父节点上，或者被 zorder 更高的东西盖住了。自己检查：ax.get_children()、artist.properties()。

这一章的一句话

图上的每一样东西都是一个 Artist，组成一棵能遍历的树；所以「怎么改 XXX」永远有答案，而找答案的方法只有两行——把孩子列出来，把属性打出来。

下一章换一个方向。前两章讲的是「怎么把图画准」，而实际工作里更常见的需求是「按某一列分面、按另一列配色，一次画出十几张对齐的子图」。手写 matplotlib 要 10 行 418 个字符的循环；seaborn 要 2 行 95 个字符。而且加一个维度时，前者要重写循环，后者只改一个词。这个差距不是 API 好坏，是两种不同的抽象。