Matplotlib savefig 图像修剪答案

【问题标题】：Matplotlib savefig image trimMatplotlib savefig 图像修剪
【发布时间】：2011-03-08 23:42:55
【问题描述】：

以下示例代码将生成一个没有轴的基本线图并将其保存为 SVG 文件：

import matplotlib.pyplot as plt
plt.axis('off')
plt.plot([1,3,1,2,3])
plt.plot([3,1,1,2,1])
plt.savefig("out.svg", transparent = True)

如何设置图像的分辨率/尺寸？折线图之外的图像四面都有填充。如何删除填充以使线条出现在图像的边缘？

【问题讨论】：

标签： python matplotlib

【解决方案1】：

我一直对在 matplotlib 中有多少种方法可以做同样的事情感到惊讶。
因此，我确信有人可以使这段代码更简洁。
无论如何，这应该清楚地展示如何解决您的问题。

>>> import pylab
>>> fig = pylab.figure()

>>> pylab.axis('off')
(0.0, 1.0, 0.0, 1.0)
>>> pylab.plot([1,3,1,2,3])
[<matplotlib.lines.Line2D object at 0x37d8cd0>]
>>> pylab.plot([3,1,1,2,1])
[<matplotlib.lines.Line2D object at 0x37d8d10>]

>>> fig.get_size_inches()    # check default size (width, height)
array([ 8.,  6.])
>>> fig.set_size_inches(4,3) 
>>> fig.get_dpi()            # check default dpi (in inches)
80
>>> fig.set_dpi(40)

# using bbox_inches='tight' and pad_inches=0 
# I managed to remove most of the padding; 
# but a small amount still persists
>>> fig.savefig('out.svg', transparent=True, bbox_inches='tight', pad_inches=0)

Documentation 为savefig()。

【讨论】：

有没有办法把这些放在 matplotlibrc 中？ Bad key "savefig.bbox_inches"
不客气。我不知道是否可以使用 matplotlibrc 文件提供这样的配置规范。
我喜欢在 pyplot 中使用的另一个命令（与上面列出的命令一起使用）是 plt.tight_layout()，它会删除图形周围多余的空白。
如果我想为 png 设置像素分辨率？

【解决方案2】：

默认轴对象为标题、刻度标签等留出了一些空间。制作自己的轴对象，填充整个区域：

fig=figure()
ax=fig.add_axes((0,0,1,1))
ax.set_axis_off()
ax.plot([3,1,1,2,1])
ax.plot([1,3,1,2,3])
fig.savefig('out.svg')

在 svg 格式下，我看不到底部的那一行，但在 png 格式下我可以，所以它可能是 svg 渲染器的一个功能。您可能只想添加一点填充以保持所有内容可见。

【讨论】：

正确。您可以通过手动制作轴来调整图中轴的位置。用于制作坐标区的 pyplot（或 pylab）命令在其文档字符串中包含以下内容： axes(rect, axisbg='w') where rect=[left, bottom, width, height] 以标准化 (0,1) 单位表示。 axisbg 是轴的背景颜色，默认为白色

【解决方案3】：

修剪大部分内边距的一种非常简单的方法是在保存图形之前调用tight_layout()。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 10, 200)

fig, ax = plt.subplots()
ax.plot(x, np.sin(x))

fig.tight_layout()
fig.savefig('plot.pdf')

【讨论】：

plt.tight_layout() 也为我完成了 SVG 的工作。对于 PNG，没有必要，但 matplotlib 似乎以不同的方式对待 SVG。