matplotlib 子图没有间距，限制图形大小和tight_layout()

Question

我正在尝试制作一个 plot ，它有两个共享 x 轴的子图，它们之间不应有空格。 我按照 matplotlib 库中的创建相邻子图示例进行操作。 然而，我的 plot 需要有一个固定的尺寸，这让一切变得复杂。 如果我只是按照示例添加一个固定大小的图形大小，那么标签就会被切断。 如果我使用tight_layout包含标签，那么这些图是间隔的。 如何解决这个问题？ 此外，标题应该更接近图例。 任何帮助深表感谢！

示例程序，注释掉tight_layout看看有什么不同。

import numpy as np                                                                                             
import matplotlib.pyplot as plt                                                                                
                                                                                                               
x_min = -2*np.pi                                                                                               
x_max = 2*np.pi                                                                                                
resolution = 101                                                                                               
x_vals = np.linspace(x_min, x_max, resolution)                                                                 
y_upper = np.cos(x_vals)                                                                                       
y_lower = -np.cos(x_vals)                                                                                      
data3 = np.sin(x_vals)                                                                                         
                                                                                                               
fig = plt.figure(figsize=(80/25.4, 80/25.4))  # figsize is needed for later usage of the plot                  
ax = fig.subplots(2, 1, sharex=True)                                                                           
fig.subplots_adjust(hspace=0)                                                                                  
                                                                                                               
ax[0].plot(x_vals, y_upper, label="data 1")                                                                    
ax[0].plot(x_vals, y_lower, label="data 2")                                                                    
                                                                                                               
ax[1].set_xlim([x_min,x_max])                                                                                  
ax[0].set_ylim([-1.6,1.6])                                                                                     
ax[1].set_ylim([-1.3,1.3])                                                                                     
                                                                                                               
ax[1].plot(x_vals, data3, ls='-', label="data 3", color='C2')                                                  
                                                                                                               
ax[1].set_xlabel("xaxis")                                                                                      
ax[0].set_ylabel("yaxis 1")                                                                                    
ax[1].set_ylabel("yaxis 2")                                                                                    
ax[0].legend(bbox_to_anchor=(0, 1.02, 1., 0.102), loc='lower left', ncol=2, mode="expand", borderaxespad=0)    
                                                                                                               
fig.suptitle("Title")                                                                                          
fig.tight_layout()  # comment this out to see the difference                                                   
# fig.savefig('figure.png')                                                                                    
plt.show()

Answer 1

您需要使用GridSpec而不是 subplots_adjust subplots_adjust() ，这样， tight_layout()就会知道您想要零空间并保持这种状态。

事实上，当您使用fig.subplots()时，您已经创建了一个GridSpec ，因此您只需要在gridspec_kw=中传递一些额外的参数

x_min = -2*np.pi                                                                                               
x_max = 2*np.pi                                                                                                
resolution = 101                                                                                               
x_vals = np.linspace(x_min, x_max, resolution)                                                                 
y_upper = np.cos(x_vals)                                                                                       
y_lower = -np.cos(x_vals)                                                                                      
data3 = np.sin(x_vals)                                                                                         
                                                                                                               
fig = plt.figure(figsize=(80/25.4, 80/25.4))  # figsize is needed for later usage of the plot             
#
# This is the line that changes. Instruct the gridspec to have zero vertical pad
#     
ax = fig.subplots(2, 1, sharex=True, gridspec_kw=dict(hspace=0))                                                                           
                                                                                          
ax[0].plot(x_vals, y_upper, label="data 1")                                                                    
ax[0].plot(x_vals, y_lower, label="data 2")                                                                    
                                                                                                               
ax[1].set_xlim([x_min,x_max])                                                                                  
ax[0].set_ylim([-1.6,1.6])                                                                                     
ax[1].set_ylim([-1.3,1.3])                                                                                     
                                                                                                               
ax[1].plot(x_vals, data3, ls='-', label="data 3", color='C2')                                                  
                                                                                                               
ax[1].set_xlabel("xaxis")                                                                                      
ax[0].set_ylabel("yaxis 1")                                                                                    
ax[1].set_ylabel("yaxis 2")                                                                                    
ax[0].legend(bbox_to_anchor=(0, 1.02, 1., 0.102), loc='lower left', ncol=2, mode="expand", borderaxespad=0)    
                                                                                                               
fig.suptitle("Title")                                                                                          
fig.tight_layout()  # Now tight_layout does not add padding between axes
# fig.savefig('figure.png')                                                                                    
plt.show()

Answer 2

使用子图获得精确结果可能会令人沮丧 - 使用 gridspec ( https://matplotlib.org/3.3.3/tutorials/intermediate/gridspec.html ) 将提供更高的精度。

但是，考虑到您所在的位置，我认为您可以通过以下方式获得所需的东西：

import matplotlib.pyplot as plt                                                                                
                                                                                                               
x_min = -2*np.pi                                                                                               
x_max = 2*np.pi                                                                                                
resolution = 101                                                                                               
x_vals = np.linspace(x_min, x_max, resolution)                                                                 
y_upper = np.cos(x_vals)                                                                                       
y_lower = -np.cos(x_vals)                                                                                      
data3 = np.sin(x_vals)                                                                                         
                                                                                                               
fig = plt.figure(figsize=(80/25.4, 80/25.4))  # figsize is needed for later usage of the plot                  
ax = fig.subplots(3, 1, sharex=True)                                                                           
fig.subplots_adjust(hspace=0)                                                                                  
ax[0].text(0,0.5,"Title", ha='center')
ax[0].axis("off")
ax[1].plot(x_vals, y_upper, label="data 1")                                                                    
ax[1].plot(x_vals, y_lower, label="data 2")                                                                    
                                                                                                               
ax[2].set_xlim([x_min,x_max])                                                                                  
ax[1].set_ylim([-1.6,1.6])                                                                                     
ax[2].set_ylim([-1.3,1.3])                                                                                     
                                                                                                               
ax[2].plot(x_vals, data3, ls='-', label="data 3", color='C2')                                                  
                                                                                                               
ax[2].set_xlabel("xaxis")                                                                                      
ax[1].set_ylabel("yaxis 1")                                                                                    
ax[2].set_ylabel("yaxis 2")                                                                                    
ax[1].legend(bbox_to_anchor=(0, 1.02, 1., 0.102), loc='lower left', ncol=2, mode="expand", borderaxespad=0)    

#fig.tight_layout()  # comment this out to see the difference                                                   
# fig.savefig('figure.png')                                                                                    
plt.show()

Answer 3

当然， gridspec是正确的方法，如果你处于脚本编写的早期阶段，你应该适应这个. 但是，如果你想要一个简单的修复，你也可以移动fig.subplots_adjust() ：

#...
fig.suptitle("Title")                                                                                          
fig.tight_layout()    
fig.subplots_adjust(hspace=0)                                            
# fig.savefig('figure.png')                                                                                    
plt.show()

保存的图像：