当前位置：极客教程 > Matplotlib > Matplotlib 问答 > Matplotlib中如何设置子图之间的间距：全面指南

Matplotlib中如何设置子图之间的间距：全面指南

Matplotlib中如何设置子图之间的间距：全面指南

参考：How to set the spacing between subplots in Matplotlib

Matplotlib是Python中最流行的数据可视化库之一，它提供了强大的绘图功能。在创建复杂的图表时，我们经常需要使用子图（subplots）来组织多个图形。然而，默认的子图布局可能不总是满足我们的需求，特别是在子图之间的间距方面。本文将详细介绍如何在Matplotlib中设置子图之间的间距，以创建更加美观和易读的图表。

1. 理解Matplotlib中的子图布局

在深入探讨如何调整子图间距之前，我们需要先了解Matplotlib中的子图布局系统。Matplotlib使用网格系统来组织子图，每个子图都占据网格中的一个或多个单元。

1.1 创建基本的子图

让我们从一个简单的例子开始，创建一个2×2的子图网格：

import matplotlib.pyplot as plt

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们创建了一个2×2的子图网格，并在每个子图中添加了文本和标题。默认情况下，Matplotlib会自动设置子图之间的间距，但这可能不总是理想的。

2. 使用plt.subplots_adjust()调整间距

plt.subplots_adjust()是调整子图间距最直接的方法。这个函数允许我们精确控制子图的位置和间距。

2.1 基本用法

import matplotlib.pyplot as plt

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

plt.subplots_adjust(wspace=0.5, hspace=0.5)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们使用plt.subplots_adjust()增加了子图之间的水平（wspace）和垂直（hspace）间距。wspace和hspace的值是相对于子图宽度和高度的比例。

2.2 精细调整

plt.subplots_adjust()还允许我们调整子图区域的左、右、顶部和底部边距：

import matplotlib.pyplot as plt

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.1, wspace=0.4, hspace=0.4)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何同时调整子图区域的边距和子图之间的间距。

3. 使用GridSpec调整间距

对于更复杂的布局，Matplotlib的GridSpec类提供了更灵活的选项。

3.1 基本的GridSpec用法

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(10, 8))
gs = gridspec.GridSpec(2, 2)

for i in range(2):
    for j in range(2):
        ax = fig.add_subplot(gs[i, j])
        ax.text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        ax.set_title(f'how2matplotlib.com - {i+1},{j+1}')

gs.update(wspace=0.5, hspace=0.5)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子使用GridSpec创建了一个2×2的网格，并使用gs.update()调整了间距。

3.2 不均匀的GridSpec布局

GridSpec的真正威力在于它可以创建不均匀的网格布局：

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(2, 3, width_ratios=[1, 2, 1], height_ratios=[1, 1.5])

for i in range(2):
    for j in range(3):
        ax = fig.add_subplot(gs[i, j])
        ax.text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        ax.set_title(f'how2matplotlib.com - {i+1},{j+1}')

gs.update(wspace=0.4, hspace=0.4)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子创建了一个2×3的网格，其中列宽和行高不均匀。

4. 使用tight_layout()自动调整

对于简单的布局，Matplotlib的tight_layout()函数可以自动调整子图间距，以避免重叠。

import matplotlib.pyplot as plt

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

tight_layout()会自动调整子图之间的间距，以及图形的整体布局，使所有元素都能适当显示。

5. 使用constrained_layout实现自动间距调整

Matplotlib 3.0及以后版本引入了constrained_layout，这是一个更强大的自动布局调整工具。

import matplotlib.pyplot as plt

fig, axs = plt.subplots(2, 2, figsize=(10, 8), constrained_layout=True)
for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

constrained_layout=True参数会自动调整子图间距和整体布局，通常比tight_layout()效果更好。

6. 调整特定子图的间距

有时，我们可能只想调整特定子图之间的间距。这可以通过调整子图的位置和大小来实现。

import matplotlib.pyplot as plt

fig, axs = plt.subplots(2, 2, figsize=(10, 8))
for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

# 调整左上角子图的位置和大小
axs[0, 0].set_position([0.1, 0.6, 0.3, 0.3])

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们使用set_position()方法调整了左上角子图的位置和大小。参数列表[left, bottom, width, height]定义了子图在图形中的位置和尺寸。

7. 处理复杂的布局

对于更复杂的布局，我们可能需要结合使用多种技术。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

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])

ax1.set_title('how2matplotlib.com - Subplot 1')
ax2.set_title('how2matplotlib.com - Subplot 2')
ax3.set_title('how2matplotlib.com - Subplot 3')
ax4.set_title('how2matplotlib.com - Subplot 4')
ax5.set_title('how2matplotlib.com - Subplot 5')

gs.update(wspace=0.5, hspace=0.5)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何创建一个复杂的布局，其中子图的大小和位置各不相同。

8. 使用面向对象的方法

虽然我们之前主要使用了pyplot接口，但使用面向对象的方法可以给我们更多的控制权。

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(10, 8))
ax1 = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax2 = fig.add_axes([0.2, 0.5, 0.4, 0.3])

ax1.set_title('how2matplotlib.com - Main plot')
ax2.set_title('how2matplotlib.com - Inset plot')

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们使用fig.add_axes()方法直接在图形上添加轴，完全控制每个子图的位置和大小。

9. 处理不同大小的子图

当子图大小不同时，调整间距可能会变得更加复杂。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(2, 2, width_ratios=[2, 1], height_ratios=[1, 2])

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

ax1.set_title('how2matplotlib.com - Subplot 1')
ax2.set_title('how2matplotlib.com - Subplot 2')
ax3.set_title('how2matplotlib.com - Subplot 3')

gs.update(wspace=0.3, hspace=0.3)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何处理不同大小的子图，并调整它们之间的间距。

10. 动态调整间距

有时，我们可能需要根据图表内容动态调整间距。

import matplotlib.pyplot as plt

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

for i in range(2):
    for j in range(2):
        axs[i, j].text(0.5, 0.5, f'Subplot {i+1},{j+1}', ha='center', va='center')
        axs[i, j].set_title(f'how2matplotlib.com - {i+1},{j+1}')

# 根据标题长度动态调整垂直间距
max_title_height = max([ax.title.get_window_extent().height for ax in axs.flat])
fig.subplots_adjust(hspace=max_title_height/fig.dpi)

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何根据标题的高度动态调整子图之间的垂直间距。

11. 处理子图中的颜色条

当子图包含颜色条（colorbar）时，调整间距变得更加重要，因为颜色条会影响整体布局。

import matplotlib.pyplot as plt
import numpy as np

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

data1 = np.random.rand(10, 10)
data2 = np.random.rand(10, 10)

im1 = ax1.imshow(data1)
im2 = ax2.imshow(data2)

ax1.set_title('how2matplotlib.com - Subplot 1')
ax2.set_title('how2matplotlib.com - Subplot 2')

fig.colorbar(im1, ax=ax1)
fig.colorbar(im2, ax=ax2)

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们为每个子图添加了一个颜色条，并使用tight_layout()自动调整布局。

12. 使用GridSpec和嵌套布局

对于更复杂的布局需求，我们可以使用GridSpec的嵌套功能。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

fig = plt.figure(figsize=(12, 8))
outer_grid = gridspec.GridSpec(2, 2, wspace=0.4, hspace=0.4)

for i in range(4):
    inner_grid = gridspec.GridSpecFromSubplotSpec(2, 2, subplot_spec=outer_grid[i], wspace=0.1, hspace=0.1)
    for j in range(4):
        ax = plt.Subplot(fig, inner_grid[j])
        ax.text(0.5, 0.5, f'Subplot {i+1}-{j+1}', ha='center', va='center')
        ax.set_title(f'how2matplotlib.com -{i+1}-{j+1}')
        fig.add_subplot(ax)

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何创建一个复杂的嵌套布局，其中每个主要子图又包含四个小的子图。

13. 处理不同尺寸的图形元素

当子图中包含不同尺寸的元素（如标题、标签、刻度等）时，可能需要更细致的调整。

import matplotlib.pyplot as plt
import numpy as np

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

x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x))
ax1.set_title('how2matplotlib.com - Sine Wave with Long Title')
ax1.set_xlabel('X-axis')
ax1.set_ylabel('Amplitude')

ax2.plot(x, np.cos(x))
ax2.set_title('how2matplotlib.com - Cosine Wave')
ax2.set_xlabel('X-axis')
ax2.set_ylabel('Amplitude')

plt.tight_layout()
plt.subplots_adjust(hspace=0.4)  # 额外调整垂直间距
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们首先使用tight_layout()自动调整布局，然后通过subplots_adjust()进行微调，以适应不同长度的标题。

14. 使用constrained_layout的高级功能

constrained_layout不仅可以自动调整间距，还可以处理一些特殊情况。

import matplotlib.pyplot as plt
import numpy as np

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

for ax in axs.flat:
    im = ax.imshow(np.random.rand(10, 10))
    fig.colorbar(im, ax=ax)
    ax.set_title('how2matplotlib.com - Subplot')

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了constrained_layout如何处理包含颜色条的多个子图，自动调整布局以适应所有元素。

15. 处理子图中的图例

当子图包含图例时，可能需要特别注意间距的调整。

import matplotlib.pyplot as plt
import numpy as np

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

x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), label='Sine')
ax1.plot(x, np.cos(x), label='Cosine')
ax1.set_title('how2matplotlib.com - Trigonometric Functions')
ax1.legend(loc='upper right')

ax2.plot(x, x**2, label='Square')
ax2.plot(x, x**3, label='Cube')
ax2.set_title('how2matplotlib.com - Power Functions')
ax2.legend(loc='upper left')

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

在这个例子中，我们使用constrained_layout=True来自动处理包含图例的子图布局。

16. 使用GridSpec的高级特性

GridSpec提供了一些高级特性，允许更精细的布局控制。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

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

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])

ax1.set_title('how2matplotlib.com - Subplot 1')
ax2.set_title('how2matplotlib.com - Subplot 2')
ax3.set_title('how2matplotlib.com - Subplot 3')
ax4.set_title('how2matplotlib.com - Subplot 4')
ax5.set_title('how2matplotlib.com - Subplot 5')

gs.update(wspace=0.5, hspace=0.5)
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何使用GridSpec创建复杂的非均匀布局，并精确控制子图的位置和大小。

17. 处理子图中的3D图形

当处理3D图形时，间距调整可能需要特别注意。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

fig = plt.figure(figsize=(12, 6))
gs = fig.add_gridspec(1, 2)

ax1 = fig.add_subplot(gs[0, 0], projection='3d')
ax2 = fig.add_subplot(gs[0, 1])

# 3D plot
x = y = np.arange(-3.0, 3.0, 0.05)
X, Y = np.meshgrid(x, y)
Z = np.sin(X) * np.cos(Y)
ax1.plot_surface(X, Y, Z)
ax1.set_title('how2matplotlib.com - 3D Surface')

# 2D plot
ax2.plot(x, np.sin(x))
ax2.set_title('how2matplotlib.com - 2D Sine Wave')

plt.tight_layout()
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子展示了如何在一个图形中组合3D和2D子图，并适当调整它们之间的间距。

18. 使用axes_grid1工具包

Matplotlib的axes_grid1工具包提供了一些高级的布局工具，可以更灵活地控制子图间距。

import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid
import numpy as np

fig = plt.figure(figsize=(12, 8))
grid = ImageGrid(fig, 111,  # 类似于subplot(111)
                 nrows_ncols=(2, 2),
                 axes_pad=0.5,  # 子图之间的间距
                 label_mode="L",
                 )

for ax, i in zip(grid, range(4)):
    ax.imshow(np.random.rand(10, 10))
    ax.set_title(f'how2matplotlib.com - Subplot {i+1}')

plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子使用ImageGrid创建了一个2×2的网格，并自动处理了子图之间的间距。

19. 动态调整子图数量和布局

有时，我们可能需要根据数据动态调整子图的数量和布局。

import matplotlib.pyplot as plt
import numpy as np

def create_subplots(n):
    cols = int(np.ceil(np.sqrt(n)))
    rows = int(np.ceil(n / cols))
    fig, axs = plt.subplots(rows, cols, figsize=(4*cols, 4*rows))

    for i, ax in enumerate(axs.flat):
        if i < n:
            ax.plot(np.random.rand(10))
            ax.set_title(f'how2matplotlib.com - Plot {i+1}')
        else:
            ax.axis('off')

    plt.tight_layout()
    plt.show()

create_subplots(7)  # 创建7个子图

这个函数可以根据指定的数量动态创建子图，并自动调整布局。

20. 结合多种技术

在实际应用中，我们可能需要结合多种技术来实现理想的布局。

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

fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(2, 2, width_ratios=[2, 1], height_ratios=[1, 2])

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

ax1.plot(np.random.rand(50))
ax1.set_title('how2matplotlib.com - Time Series')

ax2.pie([3, 4, 5], labels=['A', 'B', 'C'])
ax2.set_title('how2matplotlib.com - Pie Chart')

x = np.linspace(0, 10, 100)
ax3.plot(x, np.sin(x), label='Sine')
ax3.plot(x, np.cos(x), label='Cosine')
ax3.set_title('how2matplotlib.com - Trigonometric Functions')
ax3.legend()

gs.update(wspace=0.4, hspace=0.4)
plt.tight_layout()
plt.show()

Output:

Matplotlib中如何设置子图之间的间距：全面指南

这个例子结合了GridSpec、不同类型的图表、图例和自动布局调整，展示了如何创建复杂而美观的图形布局。

总结起来，Matplotlib提供了多种方法来调整子图之间的间距，从简单的subplots_adjust()到复杂的GridSpec布局。选择合适的方法取决于具体的需求和图表的复杂程度。通过灵活运用这些技术，我们可以创建出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