教程 - 密致布局教程

原文：Tight Layout guide

tight_layout会自动调整子图参数，使之填充整个图像区域。这是个实验特性，可能在一些情况下不工作。它仅仅检查坐标轴标签、刻度标签以及标题的部分。

简单的示例

在 matplotlib 中，轴域（包括子图）的位置以标准化图形坐标指定。 可能发生的是，你的轴标签或标题（有时甚至是刻度标签）会超出图形区域，因此被截断。

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)

为了避免它，轴域的位置需要调整。对于子图，这可以通过调整子图参数（移动轴域的一条边来给刻度标签腾地方）。Matplotlib v1.1 引入了一个新的命令tight_layout()，自动为你解决这个问题。

plt.tight_layout()

当你拥有多个子图时，你会经常看到不同轴域的标签叠在一起。

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()也会调整子图之间的间隔来减少堆叠。

tight_layout()可以接受关键字参数pad、w_pad或者h_pad，这些参数图像边界和子图之间的额外边距。边距以字体大小单位规定。

plt.tight_layout(pad=0.4, w_pad=0.5, h_pad=1.0)

即使子图大小不同，tight_layout()也能够工作，只要网格的规定的兼容的。在下面的例子中，ax1和ax2是 2x2 网格的子图，但是ax3是 1x2 网格。

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subplot2grid()创建的子图。 一般来说，从gridspec（使用GridSpec自定义子布局的位置）创建的子图也能正常工作。

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()

虽然没有彻底测试，它看起来也适用于aspect不为auto的子图（例如带有图像的轴域）。

arr = np.arange(100).reshape((10,10))
plt.close('all')
fig = plt.figure(figsize=(5,4))
ax = plt.subplot(111)
im = ax.imshow(arr, interpolation="none")
plt.tight_layout()

警告

• tight_layout()只考虑刻度标签，轴标签和标题。 因此，其他艺术家可能被截断并且也可能重叠。
• 它假定刻度标签，轴标签和标题所需的额外空间与轴域的原始位置无关。 这通常是真的，但在罕见的情况下不是。
• pad = 0将某些文本剪切几个像素。 这可能是当前算法的错误或限制，并且不清楚为什么会发生。 同时，推荐使用至少大于 0.3 的间隔。

和GridSpec一起使用

GridSpec拥有自己的tight_layout()方法（pyplot API 的tight_layout()也能生效）。

plt.close('all')
fig = plt.figure()
import matplotlib.gridspec as gridspec
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)

你可以提供一个可选的rect参数，指定子图所填充的边框。 坐标必须为标准化图形坐标，默认值为(0, 0, 1, 1)。

gs1.tight_layout(fig, rect=[0, 0, 0.5, 1])

例如，这可用于带有多个gridspecs的图形。

gs2 = gridspec.GridSpec(3, 1)
for ss in gs2:
    ax = fig.add_subplot(ss)
    example_plot(ax)
    ax.set_title("")
    ax.set_xlabel("")
ax.set_xlabel("x-label", fontsize=12)
gs2.tight_layout(fig, rect=[0.5, 0, 1, 1], h_pad=0.5)

我们可以尝试匹配两个网格的顶部和底部。

top = min(gs1.top, gs2.top)
bottom = max(gs1.bottom, gs2.bottom)
gs1.update(top=top, bottom=bottom)
gs2.update(top=top, bottom=bottom)

虽然这应该足够好了，调整顶部和底部可能也需要调整hspace。 为了更新hspace和vspace，我们再次使用更新后的rect参数调用tight_layout()。 注意，rect参数指定的区域包括刻度标签。因此，我们将底部（正常情况下为 0）增加每个gridspec的底部之差。 顶部也一样。

top = min(gs1.top, gs2.top)
bottom = max(gs1.bottom, gs2.bottom)
gs1.tight_layout(fig, rect=[None, 0 + (bottom-gs1.bottom),
                            0.5, 1 - (gs1.top-top)])
gs2.tight_layout(fig, rect=[0.5, 0 + (bottom-gs2.bottom),
                            None, 1 - (gs2.top-top)],
                 h_pad=0.5)

和AxesGrid1一起使用

虽然受限但也支持axes_grid1工具包

plt.close('all')
fig = plt.figure()
from mpl_toolkits.axes_grid1 import Grid
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

如果你使用colorbar命令创建了颜色条，创建的颜色条是Axes而不是Subplot的实例，所以tight_layout没有效果。在 Matplotlib v1.1 中，你可以使用gridspec将颜色条创建为子图。

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, use_gridspec=True)
plt.tight_layout()

![])http://matplotlib.org/_images/tight_layout_guide-14.png

另一个选项是使用AxesGrid1工具包，显式为颜色条创建一个轴域：

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