PyPlot是否支持脱离全局工作区的可移植画布构造？

我们需要一种**类画布（canvas）**构造（指可渲染的完整子组件/对象，避免混淆PyPlot术语），能在集合与流水线中传递，最终交由PyPlot渲染，以此创建可复用的通用渲染任务函数。目前尝试的方法在渲染前总会依赖PyPlot全局空间/对象。

举个简单例子，常规的PyPlot代码是这样的：

import matplotlib.pyplot as plt

x_axis = ['value_1', 'value_2', 'value_3', ...]
y_axis = ['value_1', 'value_2', 'value_3', ...]

plt.plot(x_axis, y_axis)
plt.title('title name')
plt.xlabel('x_axis name')
plt.ylabel('y_axis name')
plt.show()

但这里的「画布」完全绑定在PyPlot全局环境中，能不能在外部构建/导出画布，后续再渲染？比如类似这样的流程：

import matplotlib.pyplot as plt

# ... 构建绘图内容 ...
plt.plot(x_axis, y_axis)
# ... 导出画布 ...
canvas = plt.export()

# ... 其他操作 ...

# 后续渲染
plt.show(canvas)

更具体地，我们现有一段渲染图像数组的代码，想把PlotProperties.image替换成能容纳图像、散点图等多种类型的通用容器：

from dataclasses import dataclass
from typing import List
import matplotlib
import matplotlib.pyplot as plt
import numpy as np

# 假设ColorMode是已定义的枚举类
class ColorMode:
    GRAYSCALE = 0
    COLOR = 1

@dataclass
class PlotProperties:
    image: np.array
    caption: str
    color_mode: ColorMode

def render_image_card(plots: List[PlotProperties], title: str, gallery_columns: int = 3, font_size: int = 10) -> None:
    matplotlib.rcParams.update({'font.size': f'{font_size}'})
    plt.figure(0, figsize=(5 + gallery_columns, 4))  # width / height
    grid_size = (2, gallery_columns + 2)  # height / width
    ax = plt.subplot2grid(grid_size, (0, 0), rowspan=2, colspan=2)
    poster = plots.pop(0)
    colormapping = 'gray' if poster.color_mode == ColorMode.GRAYSCALE else 'viridis'
    ax.imshow(poster.image, cmap=colormapping)
    plt.title(poster.caption)

    for index, plot in enumerate(plots):
        x = index % gallery_columns
        y = index // gallery_columns
        ax_inner = plt.subplot2grid(grid_size, (0 + y, 2 + x))
        colormapping = 'gray' if poster.color_mode == ColorMode.GRAYSCALE else 'viridis'
        ax_inner.imshow(plot.image, cmap=colormapping)
        plt.title(plot.caption)

    # 假设forceAspect和hide_tick_labels是已定义的辅助函数
    forceAspect(ax, aspect=1)
    plt.suptitle(title)
    hide_tick_labels(plt.gcf())

我们尝试过用figure对象，但还是依赖plt全局进行格式设置，请问问题出在哪？

1. 切换到Matplotlib面向对象API，摆脱全局依赖 #

Matplotlib的pyplot模块本质是全局状态的封装，要实现可传递的画布，必须直接使用Figure和Axes对象——这两个就是你要找的「可传递canvas容器」，完全独立于全局plt环境。

替代全局plt.plot的写法：

import matplotlib.pyplot as plt

# 直接创建独立的Figure和Axes
fig, ax = plt.subplots()
ax.plot(x_axis, y_axis)
ax.set_title('title name')
ax.set_xlabel('x_axis name')
ax.set_ylabel('y_axis name')

# 现在fig就是可传递的画布对象，后续可以随时渲染
fig.show()
# 或者保存到文件
fig.savefig('plot.png')

如果需要完全脱离pyplot全局创建Figure（比如在非交互式环境），可以直接实例化matplotlib.figure.Figure：

from matplotlib.figure import Figure
from matplotlib.backends.backend_agg import FigureCanvasAgg

# 创建独立Figure
fig = Figure(figsize=(8, 6))
canvas = FigureCanvasAgg(fig)
ax = fig.add_subplot()

# 在ax上绘图
ax.plot(x_axis, y_axis)
ax.set_title('独立画布示例')

# 渲染到numpy数组（可选）
canvas.draw()
img_array = np.array(canvas.renderer.buffer_rgba())

2. 重构通用绘图容器 #

把PlotProperties改成能容纳任意绘图逻辑的通用结构，用可调用对象封装不同类型的绘图行为：

from dataclasses import dataclass
from typing import Callable
import matplotlib.axes

@dataclass
class PlotItem:
    caption: str
    render: Callable[[matplotlib.axes.Axes], None]

# 定义不同类型的绘图函数
def render_image(ax: matplotlib.axes.Axes, img: np.array, color_mode: ColorMode):
    colormap = 'gray' if color_mode == ColorMode.GRAYSCALE else 'viridis'
    ax.imshow(img, cmap=colormap)

def render_scatter(ax: matplotlib.axes.Axes, x: np.array, y: np.array, color: str = 'blue'):
    ax.scatter(x, y, color=color)

# 创建不同类型的PlotItem
image_plot = PlotItem(
    caption='灰度图像',
    render=lambda ax: render_image(ax, img_array, ColorMode.GRAYSCALE)
)
scatter_plot = PlotItem(
    caption='散点图',
    render=lambda ax: render_scatter(ax, x_data, y_data)
)

3. 修改渲染函数，完全面向对象 #

把原来的render_image_card改成基于Figure/Axes的写法，不再依赖plt全局函数（用GridSpec实现布局，替代plt.subplot2grid）：

import matplotlib.gridspec as gridspec

def render_gallery(plots: List[PlotItem], title: str, gallery_columns: int = 3, font_size: int = 10) -> matplotlib.figure.Figure:
    # 创建独立Figure
    fig = matplotlib.figure.Figure(figsize=(5 + gallery_columns, 4))
    fig.suptitle(title, fontsize=font_size)
    fig.set_facecolor('white')

    # 用GridSpec实现布局
    gs = gridspec.GridSpec(2, gallery_columns + 2, figure=fig)

    # 绘制主图
    poster = plots.pop(0)
    ax_poster = fig.add_subplot(gs[:, :2])
    poster.render(ax_poster)
    ax_poster.set_title(poster.caption, fontsize=font_size)
    forceAspect(ax_poster, aspect=1)

    # 绘制子图
    for idx, plot in enumerate(plots):
        row = idx // gallery_columns
        col = 2 + (idx % gallery_columns)
        ax = fig.add_subplot(gs[row, col])
        plot.render(ax)
        ax.set_title(plot.caption, fontsize=font_size)

    # 隐藏刻度标签
    hide_tick_labels(fig)
    return fig

# 使用示例：
gallery_fig = render_gallery([image_plot, scatter_plot, ...], '通用绘图画廊')
# 传递到其他流程后渲染
gallery_fig.show()
# 或者保存
gallery_fig.savefig('gallery.png')

为什么之前用figure还依赖plt？ #

你之前的代码虽然用了plt.figure()，但后续的plt.subplot2grid、plt.title、plt.gcf()都是在操作全局当前Figure，本质还是绑定了plt的全局状态。只要切换到直接操作fig和ax对象的写法，就能完全脱离全局依赖，实现可传递的画布容器。

内容的提问来源于stack exchange，提问作者Toaster