matplotlib 使用 plt.savefig() 輸出圖片去除旁邊的空白區(qū)域
最近在作圖時需要將輸出的圖片緊密排布,還要去掉坐標(biāo)軸,同時設(shè)置輸出圖片大小。
要讓程序自動將圖表保存到文件中,代碼為:
plt.savefig('squares_plot.png', bbox_inches='tight')
- 第一個實(shí)參指定要以什么樣的文件名保存圖表,這個文件將存儲到scatter_squares.py所在的目錄中。
- 第二個實(shí)參指定將圖表多余的空白區(qū)域裁減掉。如果要保留圖表周圍多余的空白區(qū)域,可省略這個實(shí)參。
但是發(fā)現(xiàn)matplotlib使用plt.savefig()保存的圖片
周圍有一圈空白。那么如何去掉該空白呢?
首先,關(guān)閉坐標(biāo)軸顯示:
plt.axis('off')
但是,這樣只是關(guān)閉顯示而已,透明的坐標(biāo)軸仍然會占據(jù)左下角位置,導(dǎo)致輸出的圖片偏右。
要想完全去掉坐標(biāo)軸,需要改為以下代碼:
plt.axis('off')
fig = plt.gcf()
fig.set_size_inches(7.0/3,7.0/3) #dpi = 300, output = 700*700 pixels
plt.gca().xaxis.set_major_locator(plt.NullLocator())
plt.gca().yaxis.set_major_locator(plt.NullLocator())
plt.subplots_adjust(top = 1, bottom = 0, right = 1, left = 0, hspace = 0, wspace = 0)
plt.margins(0,0)
fig.savefig(out_png_path, format='png', transparent=True, dpi=300, pad_inches = 0)
即可完成去掉空白。
注:如果不采用 subplot_adjust + margin(0,0),而是在fig.savefig()的參數(shù)中添加bbox_inches = 'tight',也可以達(dá)到
去除空白的效果; 但是,這樣會導(dǎo)致對圖片輸出大小的設(shè)置失效。
到此這篇關(guān)于matplotlib 使用 plt.savefig() 輸出圖片去除旁邊的空白區(qū)域的文章就介紹到這了,更多相關(guān)matplotlib plt.savefig() 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
tensorflow實(shí)現(xiàn)KNN識別MNIST
這篇文章主要為大家詳細(xì)介紹了tensorflow實(shí)現(xiàn)KNN識別MNIST,具有一定的參考價值,感興趣的小伙伴們可以參考一下2018-03-03
python利用joblib進(jìn)行并行數(shù)據(jù)處理的代碼示例
在數(shù)據(jù)量比較大的情況下,數(shù)據(jù)預(yù)處理有時候會非常耗費(fèi)時間,可以利用 joblib 中的 Parallel 和 delayed 進(jìn)行多CPU并行處理,文中給出了詳細(xì)的代碼示例,需要的朋友可以參考下2023-10-10
詳解Python中RegEx在數(shù)據(jù)處理中的應(yīng)用
正則表達(dá)式(Regular?Expressions,簡稱?RegEx)是一種強(qiáng)大的文本匹配和搜索工具,它在數(shù)據(jù)處理、文本解析和字符串操作中發(fā)揮著關(guān)鍵作用,下面就跟隨小編一起來了解一下RegEx的具體使用吧2024-01-01
Python實(shí)現(xiàn)加密接口測試方法步驟詳解
這篇文章主要介紹了Python實(shí)現(xiàn)加密接口測試方法步驟詳解,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-06-06
python編程培訓(xùn) python培訓(xùn)靠譜嗎
現(xiàn)在大家都知道,比較火的編程語言就是python了,很多朋友都想學(xué)習(xí)python編程,想上一個好的python培訓(xùn)班,小編今天給大家全面分析一下關(guān)于python編程培訓(xùn)方面的問題,希望能給你答疑解惑。2018-01-01
Pytorch復(fù)現(xiàn)擴(kuò)散模型的示例詳解
這篇文章主要為大家詳細(xì)介紹了如何利用Pytorch復(fù)現(xiàn)擴(kuò)散模型,文中的示例代碼講解詳細(xì),具有一定的學(xué)習(xí)價值,感興趣的可以跟隨小編一起了解一下2023-04-04

