Matplotlib - PyLab 模块

Matplotlib - 为什么应避免使用 PyLab 模块？

你可能会在一些旧的 Matplotlib 示例或教程中看到使用 pylab。PyLab 是一个随 Matplotlib 一起安装的模块，它被创建为一个便利层，特别是为了帮助从 MATLAB 过渡的用户。

PyLab 的作用： 它将 matplotlib.pyplot（通常别名为 plt）和 numpy（通常别名为 np）批量导入到主命名空间中。这意味着你可以直接调用像 plot() 或 array() 这样的函数，而无需加上 plt. 或 np. 前缀。

# --- Old PyLab Style (Discouraged) ---
# from pylab import *

# x = linspace(-3, 3, 30) # linspace is from numpy, imported by pylab
# y = x**2
# plot(x, y) # plot is from pyplot, imported by pylab
# title('My Plot')
# show()

为什么现在不推荐使用 PyLab

尽管看起来很方便，但在现代 Python 代码中，强烈不推荐使用 pylab（尤其是通过 from pylab import * 方式），原因如下：

• 命名空间污染： 使用 * 导入所有内容会将 pyplot 和 numpy 中的大量函数和对象填充到你当前的命名空间中。这使得很难追踪特定函数来自哪里，并增加了与你自己的变量或函数，或与其他库中的函数发生命名冲突的风险。
• 可读性和可维护性： 代码变得不那么清晰，因为不能立即看出 plot 是指 matplotlib.pyplot.plot 还是可能指代其他东西。显式导入（import matplotlib.pyplot as plt，import numpy as np）使得函数的来源明确（plt.plot()，np.array()），显著提高了代码的可读性，使其更容易理解和维护。
• 隐式状态： 和 pyplot 一样，pylab 依赖于隐式状态管理（操作“当前”的 figure/axes），这在大型脚本或应用程序中可能会变得混乱。面向对象方法通常更受青睐，因为它提供了更好的控制。
• 违反 Python 最佳实践： 除了在特定受控情况（如模块内部组织）外，使用 import * 通常被认为是 Python 中的不良实践。显式导入是标准的做法。

推荐的方法

使用 Matplotlib 和 NumPy 的标准和推荐方法是通过显式导入并使用约定俗成的别名：

# --- Modern Recommended Style ---
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 30) # Explicit np.linspace
y = x**2

fig, ax = plt.subplots() # Use object-oriented interface
ax.plot(x, y)            # Explicit ax.plot
ax.set_title('My Plot')  # Explicit ax.set_title

plt.show() # Explicit plt.show

或者，对于只需要 pyplot 接口的简单交互式使用：

# --- Simple Pyplot Style ---
import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(-3, 3, 30) # Explicit np.linspace
y = x**2

plt.plot(x, y)            # Explicit plt.plot
plt.title('My Plot')      # Explicit plt.title
plt.xlabel('X axis')
plt.ylabel('Y axis')

plt.show() # Explicit plt.show

结论： 避免使用 pylab。在 Matplotlib 代码中坚持使用显式导入（import matplotlib.pyplot as plt，import numpy as np），并优先使用面向对象 API（fig, ax = plt.subplots()），以获得更好的清晰度、控制性和可维护性。