Matplotlib 图形尺寸调整：全面指南与实用技巧|极客教程

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()