Python matplotlib图例放在外侧保存时显示不完整问题解决
上次说到的，使用如下代码保存矢量图时，放在外侧的图例往往显示不完整：
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x1 = np.random.uniform(-10, 10, size=20)
x2 = np.random.uniform(-10, 10, size=20)
#print(x1)
#print(x2)
number = []
x11 = []
x12 = []
for i in range(20):
number.append(i+1)
x11.append(i+1)
x12.append(i+1)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(number, x1, 'bo', markersize=20,label='a') # blue circle with size 20
plt.plot(number, x2, 'ro', ms=10,label='b') # ms is just an alias for markersize
lgnd=plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0,numpoints=1,fontsize=10)
lgnd.legendHandles[0]._legmarker.set_markersize(16)
lgnd.legendHandles[1]._legmarker.set_markersize(10)
plt.show()
fig.savefig('scatter.png',dpi=600)
保存为scatter.png之后的效果为：
可以看到放在图像右上的图例只显示了左边一小部分。
这里的原因很简单，使用savefig()函数进行保存矢量图时，它是通过一个bounding box (bbox, 边界框)，进行范围的框定，只将落入该框中的图像进行保存，如果图例没有完全落在该框中，自然不能被保存。
懂得了其原理，再进行解决问题就比较简单了。
这里有两个解决思想：
1. 将没有完全落入该bbox的图像，通过移动的方法，使其完全落入该框中，那么bbox截取的图像即是完整的 (将图像移入bbox中)；
2. 改变bbox的大小，使其完全包含该图像，尤其是往往落入bbox外侧的图例 (将bbox扩大到完全包含图像)。
下面分别介绍基于这两个思想解决这个问题的两种方法：
1. 利用函数subplots_adjust()
在该官方文档中可以看到，subplots_adjust()函数的作用是调整子图布局，它包含6个参数，其中4个参数left, right, bottom, top的作用是分别调整子图的左部，右部，底部，顶部的位置，另外2个参数wspace, hspace的作用分别是调整子图之间的左右之间距离和上下之间距离。
其默认数值分别为：
以上述图为例，现考虑既然图例右侧没有显示，则调整subplots_adjust()函数的right参数，使其位置稍往左移，将参数right默认的数值0.9改为0.8，那么可以得到一个完整的图例：
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x1 = np.random.uniform(-10, 10, size=20)
x2 = np.random.uniform(-10, 10, size=20)
#print(x1)
#print(x2)
number = []
x11 = []
x12 = []
for i in range(20):
number.append(i+1)
x11.append(i+1)
x12.append(i+1)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(number, x1, 'bo', markersize=20,label='a') # blue circle with size 20
plt.plot(number, x2, 'ro', ms=10,label='b') # ms is just an alias for markersize
lgnd=plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0,numpoints=1,fontsize=10)
lgnd.legendHandles[0]._legmarker.set_markersize(16)
lgnd.legendHandles[1]._legmarker.set_markersize(10)
fig.subplots_adjust(right=0.8)
plt.show()
fig.savefig('scatter1.png',dpi=600)
保存为scatter1.png之后和scatter.png的对比效果为：
可以看到这时scatter1.png的图例显示完整，它是通过图像的右侧位置向左移动而被整体包含在保存的图像中完成的。
同理，若legend的位置在图像下侧，使用savefig()保存时也是不完整的，这时需要修改的是函数subplots_adjust()的参数bottom，使其向上移，而被包含在截取图像进行保存的框中，即下文介绍的bbox。
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x1 = np.random.uniform(-10, 10, size=20)
x2 = np.random.uniform(-10, 10, size=20)
#print(x1)
#print(x2)
number = []
x11 = []
x12 = []
for i in range(20):
number.append(i+1)
x11.append(i+1)
x12.append(i+1)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(number, x1, 'bo', markersize=20,label='a') # blue circle with size 20
plt.plot(number, x2, 'ro', ms=10,label='b') # ms is just an alias for markersize
lgnd=plt.legend(bbox_to_anchor=(0.4, -0.1), loc=2, borderaxespad=0,numpoints=1,fontsize=10)
lgnd.legendHandles[0]._legmarker.set_markersize(16)
lgnd.legendHandles[1]._legmarker.set_markersize(10)
plt.show()
fig.savefig('scatter#1.png',dpi=600)
由于subplots_adjust()中默认的bottom值为0.1，故添加fig.subplots_adjust(bottom=0.2)，使其底部上移，修改为
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x1 = np.random.uniform(-10, 10, size=20)
x2 = np.random.uniform(-10, 10, size=20)
#print(x1)
#print(x2)
number = []
x11 = []
x12 = []
for i in range(20):
number.append(i+1)
x11.append(i+1)
x12.append(i+1)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(number, x1, 'bo', markersize=20,label='a') # blue circle with size 20
plt.plot(number, x2, 'ro', ms=10,label='b') # ms is just an alias for markersize
lgnd=plt.legend(bbox_to_anchor=(0.4, -0.1), loc=2, borderaxespad=0,numpoints=1,fontsize=10)
lgnd.legendHandles[0]._legmarker.set_markersize(16)
lgnd.legendHandles[1]._legmarker.set_markersize(10)
fig.subplots_adjust(bottom=0.2)
plt.show()
fig.savefig('scatter#1.png',dpi=600)
效果对比：
图例legend在其它位置同理。
2. 利用函数savefig()
上个博客讲到，使用savefig()函数中的三个参数fname, dpi, format可用以保存矢量图，现用该函数中另一个参数bbox_inches使
未保存到图中的图例包含进来。
下图可以看到，bbox_inches的作用是调整图的bbox, 即bounding box(边界框)
可以看到，当bbox_inches设为'tight'时，它会计算出距该图像的较紧(tight)边界框bbox，并将该选中的框中的图像保存。
这里的较紧的边界框应该是指完全包含该图像的一个矩形，但和图像有一定的填充距离，和Minimum bounding box(最小边界框)，个人认为，有一定区别。单位同样是英寸(inch)。
这样图例就会被bbox包含进去，进而被保存。
完整代码：
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x1 = np.random.uniform(-10, 10, size=20)
x2 = np.random.uniform(-10, 10, size=20)
#print(x1)
#print(x2)
number = []
x11 = []
x12 = []
for i in range(20):
number.append(i+1)
x11.append(i+1)
x12.append(i+1)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(number, x1, 'bo', markersize=20,label='a') # blue circle with size 20
plt.plot(number, x2, 'ro', ms=10,label='b') # ms is just an alias for markersize
lgnd=plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0,numpoints=1,fontsize=10)
lgnd.legendHandles[0]._legmarker.set_markersize(16)
lgnd.legendHandles[1]._legmarker.set_markersize(10)
#fig.subplots_adjust(right=0.8)
plt.show()
fig.savefig('scatter2.png',dpi=600,bbox_inches='tight')
保存为scatter2.png，下面是scatter.png, scatter1.png, scatter2.png三张图的对比：
可以看到，scatter1.png，即第1种方法的思想，是将图像的右侧边界向左移动，截取该图用以保存的bbox未变；而scatter2.png，即第2种方法的思想，是直接将截取该图用以保存的bbox扩大为整个图像，而将其全部包括。
注：savefig()还有两个参数需要说明
其中一个是pad_inches，它的作用是当前面的bbox_inches为'tight'时，调整图像和bbox之间的填充距离，这里不需要设置，只要选择默认值即可。
个人认为，如果设置pad_inches参数为0，即pad_inches=0，截取图进行保存的bbox就是minimum bounding box (最小边界框)。
另外一个是bbox_extra_artists，它的作用是计算图像的bbox时，将其它的元素也包含进去。
这里举个例子，如果在图像左侧再加一个文本框text，保存图像时希望该文本框包含在bbox中，则可以使用该参数bbox_extra_artists将text包含进去（实际使用中，即使未使用bbox_extra_artists，保存的图像也包含该text）：
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots()
x1 = np.random.uniform(-10, 10, size=20)
x2 = np.random.uniform(-10, 10, size=20)
#print(x1)
#print(x2)
number = []
x11 = []
x12 = []
for i in range(20):
number.append(i+1)
x11.append(i+1)
x12.append(i+1)
plt.figure(1)
# you can specify the marker size two ways directly:
plt.plot(number, x1, 'bo', markersize=20,label='a') # blue circle with size 20
plt.plot(number, x2, 'ro', ms=10,label='b') # ms is just an alias for markersize
lgnd=plt.legend(bbox_to_anchor=(1.05, 1), loc=2, borderaxespad=0,numpoints=1,fontsize=10)
lgnd.legendHandles[0]._legmarker.set_markersize(16)
lgnd.legendHandles[1]._legmarker.set_markersize(10)
text = ax.text(-0.3,1, "test", transform=ax.transAxes)
#fig.subplots_adjust(right=0.8)
plt.show()
fig.savefig('scatter3.png',dpi=600, bbox_extra_artists=(lgnd,text),bbox_inches='tight')
显示效果：
为防止有的元素没有被包含在bbox中，可以考虑使用该参数
到此这篇关于Python matplotlib图例放在外侧保存时显示不完整问题解决的文章就介绍到这了,更多相关matplotlib外侧保存显示不完整内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
今天小编就为大家分享一篇pyqt 实现QlineEdit 输入密码显示成圆点的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
今天小编就为大家分享一篇对Python3 pyc 文件的使用详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-02-02
今天小编就为大家分享一篇python 自定义异常和异常捕捉的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-10-10
下面小编就为大家带来一篇python 删除大文件中的某一行(最有效率的方法)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-08-08
本篇文章给大家详细介绍了python中的生成器用法以及原理，有兴趣的朋友参考学习下吧。2017-12-12
这篇文章主要介绍了python使用append合并两个数组的方法,涉及Python中append方法的使用技巧,需要的朋友可以参考下2015-04-04
multiprocessing是Python标准库中的一个模块,用于实现多进程编程,它提供了一种简单而高效的方式来利用多核处理器的能力,通过在多个进程中同时执行任务,加快程序的执行速度和提高系统的吞吐量,这篇文章主要介绍了python使用multiprocessing,需要的朋友可以参考下2024-03-03
Keras是一个由Python编写的开源人工神经网络库，可用于深度学习模型的设计、调试、评估、应用和可视化。本文将基于keras训练实现微笑识别效果，需要的可以参考一下2022-01-01
文本数据具有数据维度高、数据量大且语义复杂等特点,是一种较为复杂的数据类型,下面这篇文章主要给大家介绍了关于Pandas文本数据处理的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下2021-08-08
学python的第二天，想写个东西出来玩玩，于是就写了这个，供那些才学一天的参考参考也行2013-08-08
最新评论