紧凑的布局指南

如何使用紧凑的布局来干净地适合你的图形。

tight_layout自动调整 subplot 参数，以便 subplot(s) 适合图形区域。这是一项实验性功能，在某些情况下可能不起作用。它只检查刻度标签、轴标签和标题的范围。

一个紧凑布局的替代方案是constrained_layout。

简单的例子

在 matplotlib 中，轴（包括子图）的位置在标准化图形坐标中指定。您的轴标签或标题（有时甚至是刻度标签）可能会超出图形区域，从而被剪裁。

import matplotlib.pyplot as plt
import numpy as np

plt.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，需要调整轴的位置。对于子图，这可以通过使用 调整子图参数来手动完成Figure.subplots_adjust。Figure.tight_layout自动执行此操作。

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

请注意，它matplotlib.pyplot.tight_layout()只会在调用时调整子图参数。为了在每次重绘图形时执行此调整，您可以调用fig.set_tight_layout(True)，或者等效地，将rcParams["figure.autolayout"]（默认值：）设置False为True。

当您有多个子图时，您通常会看到不同轴的标签相互重叠。

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()还将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()可以采用 pad、w_pad和h_pad的关键字参数。这些控制图形边界周围和子图之间的额外填充。填充以字体大小的分数指定。

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)

tight_layout()即使子图的大小不同，只要它们的网格规范兼容，它也可以工作。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()

它适用于使用创建的子图 subplot2grid()。通常，从 gridspec 创建的子图（在图中排列多个轴）将起作用。

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默认情况下考虑轴上的所有艺术家。要从布局计算中删除艺术家，您可以调用 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可以将一些文本裁剪几个像素。这可能是当前算法的错误或限制，尚不清楚为什么会发生。同时，推荐使用大于 0.3 的焊盘。

与 GridSpec 一起使用

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

import matplotlib.gridspec as gridspec

plt.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，它指定子图将适合的边界框。坐标必须是标准化图形坐标，默认为 (0, 0, 1, 1)。

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，例如在图的左侧和右侧有一个 GridSpec。对于这些用例，应该利用Nested Gridspecs或Figure subfigures 。

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，但有时不希望将它们包括在内。例如，在这种情况下，最好让轴缩小一点以便为图例腾出空间：

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()

但是，有时这不是我们所希望的（在使用 时经常如此 ）。为了从边界框计算中删除图例，我们只需设置它的边界，图例将被忽略。fig.savefig('outname.png', bbox_inches='tight')leg.set_in_layout(False)

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

虽然有限，但mpl_toolkits.axes_grid1也受支持。

from mpl_toolkits.axes_grid1 import Grid

plt.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()

彩条

如果您使用Figure.colorbar来创建颜色条，只要父轴也是子图，则创建的颜色条将在子图中绘制，因此 Figure.tight_layout可以正常工作。

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()

另一种选择是使用 AxesGrid1 工具包为颜色条显式创建轴。

from mpl_toolkits.axes_grid1 import make_axes_locatable

plt.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()