当前位置：首页 > news >正文

Matplotlib 全面使用指南 -- 紧密布局指南 Tight layout guide

news 2025/7/13 6:31:28

文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。

Matplotlib

紧密布局指南

如何使用紧密布局（tight-layout）将绘图干净地适配到图形中。

提示：tight_layout 是 Matplotlib 中第一个布局引擎。现在更现代、功能更强大的受约束布局通常应被优先使用。

tight_layout 会自动调整子图参数，使子图（们）适配到图形区域。这是一个实验性功能，在某些情况下可能无法正常工作。它仅检查刻度标签、轴标签和标题的范围。

简单示例

使用默认的坐标轴定位时，坐标轴标题、轴标签或刻度标签有时会超出图形区域，从而被裁剪。

import matplotlib.pyplot as plt
import numpy as npplt.rcParams['savefig.facecolor'] = "0.8"def example_plot(ax, fontsize=12):ax.plot([1, 2])ax.locator_params(nbins=3)ax.set_xlabel('x-label', fontsize=fontsize)ax.set_ylabel('y-label', fontsize=fontsize)ax.set_title('Title', fontsize=fontsize)plt.close('all')
fig, ax = plt.subplots()
example_plot(ax, fontsize=24)

为了防止这种情况，需要调整坐标轴的位置。对于子图，可以通过使用 Figure.subplots_adjust 手动调整子图参数来完成。Figure.tight_layout 会自动完成此操作。

fig, ax = plt.subplots()
example_plot(ax, fontsize=24)
plt.tight_layout()

请注意，matplotlib.pyplot.tight_layout() 仅在调用时才会调整子图参数。为了在每次重绘图形时都执行此调整，可以调用 fig.set_tight_layout(True)，或者等效地，将 rcParams["figure.autolayout"]（默认为 False）设置为 True。

当您有多个子图时，经常会看到不同坐标轴的标签相互重叠。

plt.close('all')fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2)
example_plot(ax1)
example_plot(ax2)
example_plot(ax3)
example_plot(ax4)

tight_layout() 还会调整子图之间的间距，以最小化重叠。

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2)
example_plot(ax1)
example_plot(ax2)
example_plot(ax3)
example_plot(ax4)
plt.tight_layout()

tight_layout() 可以接受关键字参数 pad、w_pad 和 h_pad。这些参数控制图形边框周围以及子图之间的额外填充。填充以字体大小的分数形式指定。

fig, ((ax1, ax2), (ax3, ax4)) = plt.subplots(nrows=2, ncols=2)
example_plot(ax1)
example_plot(ax2)
example_plot(ax3)
example_plot(ax4)
plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)

只要子图的网格规范兼容，tight_layout() 即使子图大小不同也能正常工作。在下面的示例中，ax1 和 ax2 是 2x2 网格的子图，而 ax3 是 1x2 网格的子图。

plt.close('all')
fig = plt.figure()ax1 = plt.subplot(221)
ax2 = plt.subplot(223)
ax3 = plt.subplot(122)example_plot(ax1)
example_plot(ax2)
example_plot(ax3)plt.tight_layout()

它与使用 subplot2grid() 创建的子图一起工作。通常，从 gridspec（在图形中排列多个坐标轴）创建的子图都能工作。

plt.close('all')
fig = plt.figure()ax1 = plt.subplot2grid((3, 3), (0, 0))
ax2 = plt.subplot2grid((3, 3), (0, 1), colspan=2)
ax3 = plt.subplot2grid((3, 3), (1, 0), colspan=2, rowspan=2)
ax4 = plt.subplot2grid((3, 3), (1, 2), rowspan=2)example_plot(ax1)
example_plot(ax2)
example_plot(ax3)
example_plot(ax4)plt.tight_layout()

虽然没有经过彻底测试，但它似乎适用于 aspect != “auto” 的子图（例如，带有图像的坐标轴）。

arr = np.arange(100).reshape((10, 10))plt.close('all')
fig = plt.figure(figsize=(5, 4))ax = plt.subplot()
im = ax.imshow(arr, interpolation="none")plt.tight_layout()

注意事项

tight_layout 默认会考虑坐标轴上的所有艺术家（artists）。若要从布局计算中移除某个艺术家，可以调用 Artist.set_in_layout。
tight_layout 假设艺术家所需的额外空间与坐标轴的原始位置无关。这通常是正确的，但在极少数情况下并非如此。
pad=0 可能会使某些文本被裁剪几个像素。这可能是当前算法的一个错误或限制，目前尚不清楚为什么会发生这种情况。同时，建议使用大于 0.3 的 pad。
tight_layout 的算法不一定收敛，即多次调用 tight_layout 可能会导致调用之间的布局略有不同。

与 GridSpec 一起使用

GridSpec 有自己的 GridSpec.tight_layout 方法（pyplot api pyplot.tight_layout 也可用）。

import matplotlib.gridspec as gridspecplt.close('all')
fig = plt.figure()gs1 = gridspec.GridSpec(2, 1)
ax1 = fig.add_subplot(gs1[0])
ax2 = fig.add_subplot(gs1[1])example_plot(ax1)
example_plot(ax2)gs1.tight_layout(fig)

您可以提供一个可选的 rect 参数，该参数指定子图将适配的边界框。坐标是标准化的图形坐标，默认为 (0, 0, 1, 1)（整个图形）。

fig = plt.figure()gs1 = gridspec.GridSpec(2, 1)
ax1 = fig.add_subplot(gs1[0])
ax2 = fig.add_subplot(gs1[1])example_plot(ax1)
example_plot(ax2)gs1.tight_layout(fig, rect=[0, 0, 0.5, 1.0])

但是，我们不建议将其用于手动构建更复杂的布局，例如在图形的左侧和右侧各有一个 GridSpec。对于这些用例，应改用嵌套的 Gridspec 或图形子图。

图例和注释

在 Matplotlib 2.2 之前，图例和注释被排除在决定布局的边界框计算之外。随后，这些艺术家被添加到计算中，但有时将它们包括在内并不理想。例如，在这种情况下，让坐标轴缩小一点为图例腾出空间可能是好的：

fig, ax = plt.subplots(figsize=(4, 3))
lines = ax.plot(range(10), label='A simple plot')
ax.legend(bbox_to_anchor=(0.7, 0.5), loc='center left',)
fig.tight_layout()
plt.show()

然而，有时这并不理想（在使用 fig.savefig('outname.png', bbox_inches='tight') 时经常如此）。为了将图例从边界框计算中移除，我们只需将其边界 leg.set_in_layout(False) 设置，图例将被忽略。

fig, ax = plt.subplots(figsize=(4, 3))
lines = ax.plot(range(10), label='B simple plot')
leg = ax.legend(bbox_to_anchor=(0.7, 0.5), loc='center left',)
leg.set_in_layout(False)
fig.tight_layout()
plt.show()

与 AxesGrid1 一起使用

为 mpl_toolkits.axes_grid1 提供了有限的支持。

from mpl_toolkits.axes_grid1 import Gridplt.close('all')
fig = plt.figure()
grid = Grid(fig, rect=111, nrows_ncols=(2, 2),axes_pad=0.25, label_mode='L',)for ax in grid:example_plot(ax)
ax.title.set_visible(False)plt.tight_layout()

颜色条

如果您使用 Figure.colorbar 创建颜色条，只要父坐标轴也是子图，创建的颜色条就会绘制在子图中，因此 Figure.tight_layout 将起作用。

plt.close('all')
arr = np.arange(100).reshape((10, 10))
fig = plt.figure(figsize=(4, 4))
im = plt.imshow(arr, interpolation="none")plt.colorbar(im)plt.tight_layout()

另一个选择是使用 AxesGrid1 工具包显式为颜色条创建一个坐标轴。

from mpl_toolkits.axes_grid1 import make_axes_locatableplt.close('all')
arr = np.arange(100).reshape((10, 10))
fig = plt.figure(figsize=(4, 4))
im = plt.imshow(arr, interpolation="none")divider = make_axes_locatable(plt.gca())
cax = divider.append_axes("right", "5%", pad="3%")
plt.colorbar(im, cax=cax)plt.tight_layout()