使用 matplotlib 中的许多子图改进子图大小/间距

Question

与this question 非常相似，但不同之处在于我的身材可以任意大。

我需要在 matplotlib 中生成一大堆垂直堆叠的图。结果将使用 figsave 保存并在网页上查看，所以我不在乎最终图像的高度，只要子图之间有间距，它们不会重叠。

无论我允许图有多大，子图似乎总是重叠。

我的代码目前看起来像

import matplotlib.pyplot as plt
import my_other_module

titles, x_lists, y_lists = my_other_module.get_data()

fig = plt.figure(figsize=(10,60))
for i, y_list in enumerate(y_lists):
    plt.subplot(len(titles), 1, i)
    plt.xlabel("Some X label")
    plt.ylabel("Some Y label")
    plt.title(titles[i])
    plt.plot(x_lists[i],y_list)
fig.savefig('out.png', dpi=100)

Answer 1

尝试使用plt.tight_layout

举个简单的例子：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=4, ncols=4)
fig.tight_layout() # Or equivalently,  "plt.tight_layout()"

plt.show()

---

没有紧凑的布局

---

布局紧凑

Answer 2

您可以使用plt.subplots_adjust 更改子图之间的间距(source)

调用签名：

subplots_adjust(left=None, bottom=None, right=None, top=None, wspace=None, hspace=None)

参数含义（和建议的默认值）是：

left  = 0.125  # the left side of the subplots of the figure
right = 0.9    # the right side of the subplots of the figure
bottom = 0.1   # the bottom of the subplots of the figure
top = 0.9      # the top of the subplots of the figure
wspace = 0.2   # the amount of width reserved for blank space between subplots
hspace = 0.2   # the amount of height reserved for white space between subplots

实际的默认值由rc文件控制

Answer 3

我发现 subplots_adjust(hspace = 0.001) 最终对我有用。当我使用 space = None 时，每个图之间仍然有空白。然而，将其设置为非常接近于零的值似乎会迫使他们排队​​。我在这里上传的不是最优雅的一段代码，但你可以看到 hspace 是如何工作的。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib.ticker as tic

fig = plt.figure()

x = np.arange(100)
y = 3.*np.sin(x*2.*np.pi/100.)

for i in range(5):
    temp = 510 + i
    ax = plt.subplot(temp)
    plt.plot(x,y)
    plt.subplots_adjust(hspace = .001)
    temp = tic.MaxNLocator(3)
    ax.yaxis.set_major_locator(temp)
    ax.set_xticklabels(())
    ax.title.set_visible(False)

plt.show()

Answer 4

类似于tight_layout matplotlib 现在（从 2.2 版开始）提供constrained_layout。与tight_layout 不同，constrained_layout 是一个属性，它可能是活动的，并且会在每个绘制步骤之前优化布局。

因此需要在子图创建之前或期间激活它，例如figure(constrained_layout=True) 或subplots(constrained_layout=True)。

例子：

import matplotlib.pyplot as plt

fig, axes = plt.subplots(4,4, constrained_layout=True)

plt.show()

constrained_layout 也可以通过rcParams 设置

plt.rcParams['figure.constrained_layout.use'] = True

---

查看what's new entry 和Constrained Layout Guide

Answer 5

import matplotlib.pyplot as plt

fig = plt.figure(figsize=(10,60))
plt.subplots_adjust( ... )

plt.subplots_adjust 方法：

def subplots_adjust(*args, **kwargs):
    """
    call signature::

      subplots_adjust(left=None, bottom=None, right=None, top=None,
                      wspace=None, hspace=None)

    Tune the subplot layout via the
    :class:`matplotlib.figure.SubplotParams` mechanism.  The parameter
    meanings (and suggested defaults) are::

      left  = 0.125  # the left side of the subplots of the figure
      right = 0.9    # the right side of the subplots of the figure
      bottom = 0.1   # the bottom of the subplots of the figure
      top = 0.9      # the top of the subplots of the figure
      wspace = 0.2   # the amount of width reserved for blank space between subplots
      hspace = 0.2   # the amount of height reserved for white space between subplots

    The actual defaults are controlled by the rc file
    """
    fig = gcf()
    fig.subplots_adjust(*args, **kwargs)
    draw_if_interactive()

或

fig = plt.figure(figsize=(10,60))
fig.subplots_adjust( ... )

图片的大小很重要。

“我试过弄乱 hspace，但增加它似乎只会使所有图形变小而没有解决重叠问题。”

因此，为了腾出更多空白空间并保持子图大小，总图像需要更大。

Answer 6

你可以试试 subplot_tool()

plt.subplot_tool()

Answer 7

• 在使用pandas.DataFrame.plot 绘制数据帧时解决了这个问题，它使用matplotlib 作为默认后端。
  • 以下适用于指定的kind=（例如'bar'、'scatter'、'hist' 等）
• 在python 3.8.12、pandas 1.3.4、matplotlib 3.4.3 中测试

导入和样本数据

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# sinusoidal sample data
sample_length = range(1, 15+1)
rads = np.arange(0, 2*np.pi, 0.01)
data = np.array([np.sin(t*rads) for t in sample_length])
df = pd.DataFrame(data.T, index=pd.Series(rads.tolist(), name='radians'), columns=[f'freq: {i}x' for i in sample_length])

# display(df.head(3))
         freq: 1x  freq: 2x  freq: 3x  freq: 4x  freq: 5x  freq: 6x  freq: 7x  freq: 8x  freq: 9x  freq: 10x  freq: 11x  freq: 12x  freq: 13x  freq: 14x  freq: 15x
radians                                                                                                                                                            
0.00     0.000000  0.000000  0.000000  0.000000  0.000000  0.000000  0.000000  0.000000  0.000000   0.000000   0.000000   0.000000   0.000000   0.000000   0.000000
0.01     0.010000  0.019999  0.029996  0.039989  0.049979  0.059964  0.069943  0.079915  0.089879   0.099833   0.109778   0.119712   0.129634   0.139543   0.149438
0.02     0.019999  0.039989  0.059964  0.079915  0.099833  0.119712  0.139543  0.159318  0.179030   0.198669   0.218230   0.237703   0.257081   0.276356   0.295520

# default plot with subplots; each column is a subplot
axes = df.plot(subplots=True)

调整间距

• 调整pandas.DataFrame.plot中的默认参数
  1. 更改figsize：每个子图的宽度为 5，高度为 4 是一个很好的起点
  2. 更改layout:（行、列）子图的布局。
  3. sharey=True 和 sharex=True 因此不会为每个子图上的冗余标签占用空间。
• .plot 方法返回一个 matplotlib.axes.Axes 的 numpy 数组，应将其展平以便于使用。
• 使用.get_figure() 从Axes 之一中提取DataFrame.plot 图形对象。
• 如果需要，请使用fig.tight_layout()。

axes = df.plot(subplots=True, layout=(3, 5), figsize=(25, 16), sharex=True, sharey=True)

# flatten the axes array to easily access any subplot
axes = axes.flat

# extract the figure object
fig = axes[0].get_figure()

# use tight_layout
fig.tight_layout()