当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib 图形尺寸调整：全面指南与实用技巧

Matplotlib 图形尺寸调整：全面指南与实用技巧

Matplotlib 图形尺寸调整：全面指南与实用技巧

参考：How to change the size of figures drawn with matplotlib

Matplotlib 是 Python 中最流行的数据可视化库之一，它提供了丰富的功能来创建各种类型的图表和图形。在使用 Matplotlib 时，控制图形的尺寸是一个重要的方面，因为它直接影响到图形的清晰度、可读性和整体呈现效果。本文将详细介绍如何在 Matplotlib 中更改图形尺寸，包括各种方法、技巧和最佳实践。

1. 基本图形尺寸设置

在 Matplotlib 中，最基本的设置图形尺寸的方法是使用 figure() 函数的 figsize 参数。这个参数接受一个元组，其中包含宽度和高度（以英寸为单位）。

import matplotlib.pyplot as plt
import numpy as np

# 创建一个 8x6 英寸的图形
plt.figure(figsize=(8, 6))

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title('How to change figure size - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们创建了一个 8 英寸宽、6 英寸高的图形。figsize=(8, 6) 参数设置了这个尺寸。这是最直接和常用的方法，适用于大多数简单的绘图需求。

2. 使用 rcParams 全局设置图形尺寸

如果你想在整个脚本或会话中统一设置所有图形的默认尺寸，可以使用 plt.rcParams。这种方法可以避免在每次创建图形时都重复设置尺寸。

import matplotlib.pyplot as plt
import numpy as np

# 全局设置图形尺寸
plt.rcParams['figure.figsize'] = [10, 8]

# 创建图形（将使用默认尺寸）
plt.figure()

x = np.linspace(0, 10, 100)
y = np.cos(x)

plt.plot(x, y)
plt.title('Global figure size setting - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们通过 plt.rcParams['figure.figsize'] = [10, 8] 全局设置了图形尺寸为 10×8 英寸。这之后创建的所有图形都将默认使用这个尺寸，除非在 figure() 函数中特别指定其他尺寸。

3. 使用 subplots() 函数设置图形尺寸

subplots() 函数是创建图形和轴对象的另一种常用方法，它也允许你在创建时设置图形尺寸。

import matplotlib.pyplot as plt
import numpy as np

# 创建一个 9x7 英寸的图形和一组轴
fig, ax = plt.subplots(figsize=(9, 7))

x = np.linspace(0, 10, 100)
y = np.tan(x)

ax.plot(x, y)
ax.set_title('Figure size with subplots() - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子展示了如何使用 subplots() 函数创建一个 9×7 英寸的图形。figsize=(9, 7) 参数直接传递给 subplots() 函数。这种方法特别适用于创建包含多个子图的复杂图形布局。

4. 动态调整图形尺寸

有时，你可能需要根据数据或其他条件动态调整图形尺寸。这可以通过在代码中计算尺寸并将其传递给 figure() 或 subplots() 函数来实现。

import matplotlib.pyplot as plt
import numpy as np

def calculate_figure_size(data_length):
    base_size = 5
    return (base_size + data_length / 20, base_size)

x = np.linspace(0, 20, 200)
y = np.exp(-x/10) * np.sin(2*x)

fig_size = calculate_figure_size(len(x))
plt.figure(figsize=fig_size)

plt.plot(x, y)
plt.title('Dynamic figure size - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们定义了一个 calculate_figure_size() 函数，它根据数据的长度动态计算图形的宽度。这种方法可以确保图形的宽度随着数据量的增加而适当增加，从而保持可读性。

5. 调整 DPI（每英寸点数）

除了直接更改图形的物理尺寸，你还可以通过调整 DPI（每英寸点数）来影响图形的大小和质量。DPI 越高，图形在相同的物理尺寸下会包含更多的像素，从而提高清晰度。

import matplotlib.pyplot as plt
import numpy as np

# 创建一个高 DPI 的图形
plt.figure(figsize=(8, 6), dpi=300)

x = np.linspace(0, 10, 100)
y = np.sin(x) * np.exp(-x/10)

plt.plot(x, y)
plt.title('High DPI figure - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子创建了一个 8×6 英寸、300 DPI 的高分辨率图形。增加 DPI 可以提高图形的清晰度，特别是在打印或需要高质量图像输出时非常有用。

6. 使用英寸以外的单位

虽然 Matplotlib 默认使用英寸作为尺寸单位，但有时你可能更习惯使用其他单位，如厘米。你可以轻松地进行单位转换。

import matplotlib.pyplot as plt
import numpy as np

# 将厘米转换为英寸
cm_to_inch = 1/2.54

# 创建一个 20x15 厘米的图形
plt.figure(figsize=(20*cm_to_inch, 15*cm_to_inch))

x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.1, 100)

plt.scatter(x, y)
plt.title('Figure size in centimeters - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子展示了如何创建一个 20×15 厘米的图形。我们首先定义了一个转换因子 cm_to_inch，然后在 figsize 参数中使用这个因子将厘米转换为英寸。

7. 调整图形尺寸以适应屏幕

在某些情况下，你可能想要创建一个适应当前屏幕尺寸的图形。这可以通过使用 plt.get_current_fig_manager() 来实现。

import matplotlib.pyplot as plt
import numpy as np

# 创建图形
fig = plt.figure()

# 获取屏幕尺寸并设置图形大小
manager = plt.get_current_fig_manager()
manager.resize(*manager.window.maxsize())

x = np.linspace(0, 10, 100)
y = np.sin(x) * np.cos(x)

plt.plot(x, y)
plt.title('Full screen figure - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

这个例子创建了一个全屏图形。manager.resize(*manager.window.maxsize()) 将图形调整为当前屏幕的最大尺寸。请注意，这种方法的效果可能因操作系统和后端而异。

8. 使用 tight_layout() 自动调整子图布局

当你有多个子图或图形元素时，可能需要调整它们的布局以避免重叠。tight_layout() 函数可以自动调整子图之间的间距。

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(8, 10))

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)

ax1.plot(x, y1)
ax1.set_title('Subplot 1 - how2matplotlib.com')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y-axis')

ax2.plot(x, y2)
ax2.set_title('Subplot 2 - how2matplotlib.com')
ax2.set_xlabel('X-axis')
ax2.set_ylabel('Y-axis')

plt.tight_layout()
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们创建了两个子图。使用 plt.tight_layout() 可以自动调整子图之间的间距，确保标题、标签等不会重叠。

9. 使用 constrained_layout 进行更精细的布局控制

constrained_layout 是 Matplotlib 中一个更高级的布局管理器，它可以提供比 tight_layout() 更精细的控制。

import matplotlib.pyplot as plt
import numpy as np

fig, axs = plt.subplots(2, 2, figsize=(10, 8), constrained_layout=True)

x = np.linspace(0, 10, 100)

for ax in axs.flat:
    ax.plot(x, np.random.rand(100))
    ax.set_title('Subplot - how2matplotlib.com')
    ax.set_xlabel('X-axis')
    ax.set_ylabel('Y-axis')

plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子创建了一个 2×2 的子图网格，并使用 constrained_layout=True 来自动调整布局。这种方法特别适用于复杂的图形布局，可以有效避免标签重叠和空间浪费。

10. 保存图形时调整尺寸

当保存图形到文件时，你可能想要指定不同于显示时的尺寸。这可以通过 savefig() 函数的参数来实现。

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)
y = np.sin(x) * np.exp(-x/10)

plt.figure(figsize=(8, 6))
plt.plot(x, y)
plt.title('Saving with different size - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 保存为 10x8 英寸的图片
plt.savefig('output_figure.png', dpi=300, bbox_inches='tight', figsize=(10, 8))
plt.show()

在这个例子中，我们创建了一个 8×6 英寸的图形，但在保存时将其调整为 10×8 英寸。bbox_inches='tight' 参数确保图形的所有部分都被包含在保存的图像中。

11. 使用 GridSpec 进行复杂布局

对于更复杂的图形布局，GridSpec 提供了强大的控制能力，允许你创建不规则的子图网格。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec
import numpy as np

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(3, 3)

ax1 = fig.add_subplot(gs[0, :])
ax2 = fig.add_subplot(gs[1, :-1])
ax3 = fig.add_subplot(gs[1:, -1])
ax4 = fig.add_subplot(gs[-1, 0])
ax5 = fig.add_subplot(gs[-1, -2])

x = np.linspace(0, 10, 100)

ax1.plot(x, np.sin(x))
ax1.set_title('GridSpec layout - how2matplotlib.com')

ax2.plot(x, np.cos(x))
ax3.plot(x, np.tan(x))
ax4.plot(x, np.exp(x))
ax5.plot(x, np.log(x))

plt.tight_layout()
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子展示了如何使用 GridSpec 创建一个复杂的布局，其中子图的大小和位置都是不规则的。这种方法允许你创建非常灵活和定制化的图形布局。

12. 调整图形边距

有时你可能需要调整图形的边距，以便为标题、标签或其他元素留出更多空间。这可以通过 subplots_adjust() 函数来实现。

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(10, 6))

x = np.linspace(0, 10, 100)
y = np.sin(x) * np.exp(-x/10)

plt.plot(x, y)
plt.title('Adjusted margins - how2matplotlib.com', fontsize=16)
plt.xlabel('X-axis', fontsize=14)
plt.ylabel('Y-axis', fontsize=14)

# 调整边距
plt.subplots_adjust(top=0.85, bottom=0.15, left=0.1, right=0.95)

plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们使用 subplots_adjust() 函数调整了图形的上下左右边距。这对于为大标题或长标签留出空间特别有用。

13. 使用 aspect 参数控制纵横比

在某些情况下，控制图形的纵横比（aspect ratio）可能比精确控制尺寸更重要。Matplotlib 提供了 aspect 参数来实现这一点。

import matplotlib.pyplot as plt
import numpy as np

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 5))

x = np.linspace(0, 10, 100)
y = np.sin(x)

ax1.plot(x, y)
ax1.set_title('Default aspect - how2matplotlib.com')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Y-axis')

ax2.plot(x, y)
ax2.set_aspect('equal')
ax2.set_title('Equal aspect - how2matplotlib.com')
ax2.set_xlabel('X-axis')
ax2.set_ylabel('Y-axis')

plt.tight_layout()
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子展示了默认纵横比和使用 set_aspect('equal') 设置等比例纵横比的区别。等比例纵横比在绘制某些类型的图形（如圆形或正方形）时特别有用。

14. 使用 bbox_inches 参数裁剪多余的空白

当保存图形时，有时可能会出现不必要的空白边距。使用 bbox_inches='tight' 参数可以自动裁剪这些空白。

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(8, 6))

x = np.linspace(0, 10, 100)
y = np.sin(x) + np.random.normal(0, 0.1, 100)

plt.scatter(x, y)
plt.title('Trimmed white space - how2matplotlib.com')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 保存图形，裁剪多余的空白
plt.savefig('trimmed_figure.png', bbox_inches='tight')
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子展示了如何在保存图形时使用 bbox_inches='tight' 参数来自动裁剪多余的空白边距，从而得到更紧凑的图形。

15. 使用 set_size_inches() 方法动态调整图形大小

有时，你可能需要在创建图形后动态调整其大小。set_size_inches() 方法提供了这种灵活性。

import matplotlib.pyplot as plt
import numpy as np

fig, ax = plt.subplots(figsize=(8, 6))

x = np.linspace(0, 10, 100)
y = np.sin(x) * np.cos(x)

ax.plot(x, y)
ax.set_title('Initial size - how2matplotlib.com')
ax.set_xlabel('X-axis')
ax.set_ylabel('Y-axis')

plt.show()

# 动态调整图形大小
fig.set_size_inches(10, 4)
ax.set_title('Resized figure - how2matplotlib.com')
plt.show()

这个例子首先创建了一个 8×6 英寸的图形，然后使用 set_size_inches() 方法将其调整为 10×4 英寸。这种方法在交互式环境中特别有用，可以根据需要快速调整图形大小。

16. 使用 plt.figure() 的 dpi 参数控制图形分辨率

DPI（每英寸点数）不仅影响图形的质量，还会影响其在屏幕上显示的大小。通过调整 DPI，你可以在保持物理尺寸不变的情况下改变图形的像素尺寸。

import matplotlib.pyplot as plt
import numpy as np

# 创建两个具有不同 DPI 的图形
fig1 = plt.figure(figsize=(8, 6), dpi=100)
fig2 = plt.figure(figsize=(8, 6), dpi=200)

x = np.linspace(0, 10, 100)
y = np.sin(x)

for fig in [fig1, fig2]:
    ax = fig.add_subplot(111)
    ax.plot(x, y)
    ax.set_title(f'Figure with DPI {fig.dpi} - how2matplotlib.com')
    ax.set_xlabel('X-axis')
    ax.set_ylabel('Y-axis')

plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子创建了两个物理尺寸相同但 DPI 不同的图形。第一个图形的 DPI 为 100，第二个为 200。尽管两个图形的物理尺寸相同，但第二个图形在屏幕上会显示得更大，因为它包含了更多的像素。

17. 使用 plt.axes() 在图形中创建自定义位置的子图

有时，你可能需要在图形中的特定位置创建子图。plt.axes() 函数允许你精确控制子图的位置和大小。

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(10, 8))

# 主图
ax_main = fig.add_axes([0.1, 0.1, 0.8, 0.8])
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax_main.plot(x, y)
ax_main.set_title('Main plot - how2matplotlib.com')

# 右上角的小图
ax_small = fig.add_axes([0.65, 0.65, 0.25, 0.25])
ax_small.plot(x, np.cos(x))
ax_small.set_title('Small plot')

plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们使用 fig.add_axes() 方法创建了两个子图。第一个子图占据了图形的大部分区域，而第二个子图被放置在右上角。参数列表 [left, bottom, width, height] 定义了子图在图形中的位置和大小，这些值都是相对于整个图形的比例。

18. 使用 plt.subplot2grid() 创建不规则网格布局

subplot2grid() 函数提供了另一种创建复杂布局的方法，特别适用于需要跨越多个网格单元的子图。

import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure(figsize=(12, 8))

ax1 = plt.subplot2grid((3, 3), (0, 0), colspan=3)
ax2 = plt.subplot2grid((3, 3), (1, 0), colspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3, 3), (2, 0))
ax5 = plt.subplot2grid((3, 3), (2, 1))

x = np.linspace(0, 10, 100)

ax1.plot(x, np.sin(x))
ax1.set_title('subplot2grid layout - how2matplotlib.com')

ax2.plot(x, np.cos(x))
ax3.plot(x, np.tan(x))
ax4.plot(x, np.exp(x))
ax5.plot(x, np.log(x))

plt.tight_layout()
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子使用 subplot2grid() 创建了一个 3×3 的网格，并在其中放置了不同大小和位置的子图。这种方法提供了极大的灵活性，允许你创建复杂的、非对称的图形布局。

19. 使用 plt.subplot() 快速创建子图网格

对于简单的子图布局，plt.subplot() 提供了一种快速且直观的方法来创建子图网格。

import matplotlib.pyplot as plt
import numpy as np

plt.figure(figsize=(12, 8))

x = np.linspace(0, 10, 100)

plt.subplot(2, 2, 1)
plt.plot(x, np.sin(x))
plt.title('Subplot 1 - how2matplotlib.com')

plt.subplot(2, 2, 2)
plt.plot(x, np.cos(x))
plt.title('Subplot 2 - how2matplotlib.com')

plt.subplot(2, 2, 3)
plt.plot(x, np.exp(x))
plt.title('Subplot 3 - how2matplotlib.com')

plt.subplot(2, 2, 4)
plt.plot(x, np.log(x))
plt.title('Subplot 4 - how2matplotlib.com')

plt.tight_layout()
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

这个例子创建了一个 2×2 的子图网格。plt.subplot(2, 2, n) 中的参数分别表示行数、列数和当前子图的索引。这种方法特别适合快速创建规则的子图布局。

20. 使用 plt.suptitle() 为整个图形添加总标题

当你有多个子图时，可能需要为整个图形添加一个总标题。plt.suptitle() 函数可以实现这一点。

import matplotlib.pyplot as plt
import numpy as np

fig, axs = plt.subplots(2, 2, figsize=(12, 10))
fig.suptitle('Figure with multiple subplots - how2matplotlib.com', fontsize=16)

x = np.linspace(0, 10, 100)

axs[0, 0].plot(x, np.sin(x))
axs[0, 0].set_title('Subplot 1')

axs[0, 1].plot(x, np.cos(x))
axs[0, 1].set_title('Subplot 2')

axs[1, 0].plot(x, np.exp(x))
axs[1, 0].set_title('Subplot 3')

axs[1, 1].plot(x, np.log(x))
axs[1, 1].set_title('Subplot 4')

plt.tight_layout()
plt.subplots_adjust(top=0.88)  # 为总标题留出空间
plt.show()

Output:

Matplotlib 图形尺寸调整：全面指南与实用技巧

在这个例子中，我们使用 fig.suptitle() 为整个图形添加了一个总标题。注意，我们还使用了 plt.subplots_adjust(top=0.88) 来为总标题留出足够的空间，防止它与子图重叠。

总结起来，Matplotlib 提供了多种方法来控制图形的尺寸和布局。从简单的 figsize 参数设置，到复杂的 GridSpec 布局，再到动态调整和保存时的尺寸控制，你可以根据具体需求选择最合适的方法。掌握这些技巧将帮助你创建既美观又信息丰富的数据可视化图表。

Python教程

Python 教程

Python 教程
Tkinter 教程

Tkinter 教程
Pandas 教程

Pandas 教程
NumPy 教程

NumPy 教程
Flask 教程

Flask 教程
Django 教程

Django 教程
PySpark 教程

PySpark 教程
wxPython 教程

wxPython 教程
SymPy 教程

SymPy 教程
Seaborn 教程

Seaborn 教程
SciPy 教程

SciPy 教程
RxPY 教程

RxPY 教程
Pycharm 教程

Pycharm 教程
Pygame 教程

Pygame 教程
PyGTK 教程

PyGTK 教程
PyQt 教程

PyQt 教程
PyQt5 教程

PyQt5 教程
PyTorch 教程

PyTorch 教程
Matplotlib 教程

Matplotlib 教程
Web2py 教程

Web2py 教程
BeautifulSoup 教程

BeautifulSoup 教程

Java教程

Java 教程

Java 教程

Web教程

HTML 教程

HTML 教程
CSS 教程

CSS 教程
CSS3 教程

CSS3 教程
jQuery 教程

jQuery 教程
Ajax 教程

Ajax 教程
AngularJS 教程

AngularJS 教程
TypeScript 教程

TypeScript 教程
WordPress 教程

WordPress 教程
Laravel 教程

Laravel 教程
Next.js 教程

Next.js 教程
PhantomJS 教程

PhantomJS 教程
Three.js 教程

Three.js 教程
Underscore.JS 教程

Underscore.JS 教程
WebGL 教程

WebGL 教程
WebRTC 教程

WebRTC 教程
VueJS 教程

VueJS 教程

数据库教程

SQL 教程

SQL 教程
MySQL 教程

MySQL 教程
MongoDB 教程

MongoDB 教程
PostgreSQL 教程

PostgreSQL 教程
SQLite 教程

SQLite 教程
Redis 教程

Redis 教程
MariaDB 教程

MariaDB 教程

图形图像教程

Vulkan 教程

Vulkan 教程
OpenCV 教程

OpenCV 教程

大数据教程

R语言 教程

R语言 教程

开发工具教程

Git 教程

Git 教程
VSCode 教程

VSCode 教程
Docker 教程

Docker 教程
Gerrit 教程

Gerrit 教程
Excel 教程

Excel 教程

计算机教程

Go语言 教程

Go语言 教程
C++ 教程

C++ 教程

Matplotlib 精品教程