【matplotlib】可视化解决方案——如何正确展示和保存图像

最新推荐文章于 2024-03-12 09:18:00 发布
最新推荐文章于 2024-03-12 09:18:00 发布
阅读量1.9k 收藏 4
点赞数
分类专栏： # 可视化解决方案 文章标签： matplotlib python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/pcx171/article/details/130231025
版权

概述

在 matplotlib 实践中，很多情形下需要对输出图形进行指定路径的有效保存。这样输出图形就可以用于印刷或者其他形式的展示。因此本文就来介绍一下保存输出图形的方法。
一般情况下可以采用两种方式保存图像，第一种是在输出界面点击保存按钮；第二种是通过执行代码进行输出图形的保存。

示例

使用保存按钮进行保存

我们以下面的代码为例演示如何使用按钮保存图形。

import matplotlib.pyplot as plt  
import numpy as np  
  
plt.rcParams['axes.facecolor'] = "lemonchiffon"  
  
x = np.linspace(0, 2, 1000)  
y = 0.9 * np.sin(np.pi * x)  
fig, ax = plt.subplots(2, 3)  
  
# subplot(2,3,1)  
ax[0, 0].plot(x, y, lw=3, color="steelblue")  
ax[0, 0].spines["right"].set_visible(False)  
ax[0, 0].spines["top"].set_visible(False)  
  
# set left and bottom spines position  
ax[0, 0].spines["left"].set_position(("data", 0.5))  
ax[0, 0].spines["bottom"].set_position(("data", 1))  
  
# set tickline position of bottom and left spines  
ax[0, 0].xaxis.set_ticks_position("bottom")  
ax[0, 0].yaxis.set_ticks_position("left")  
ax[0, 0].set_ylim(-1, 1)  
  
# subplot(2,3,4)  
ax[1, 0].plot(x, y, lw=3, color="steelblue")  
ax[1, 0].spines["right"].set_color("none")  
ax[1, 0].spines["top"].set_color("none")  
  
# set left and bottom spines position  
ax[1, 0].spines["left"].set_position("zero")  
ax[1, 0].spines["bottom"].set_position("zero")  
  
# set tickline position of bottom and left spines  
ax[1, 0].xaxis.tick_bottom()  
ax[1, 0].yaxis.tick_left()  
ax[1, 0].set_ylim(-1, 1)  
  
# subplot(2,3,2)  
ax[0, 1].plot(x, y, lw=3, color="steelblue")  
ax[0, 1].spines["right"].set_visible(False)  
ax[0, 1].spines["top"].set_visible(False)  
  
# set left and bottom spines position  
ax[0, 1].spines["left"].set_position(("axes", 0.25))  
ax[0, 1].spines["bottom"].set_position(("axes", 0.75))  
  
# set tickline position of bottom and left spines  
ax[0, 1].xaxis.set_ticks_position("bottom")  
ax[0, 1].yaxis.set_ticks_position("left")  
ax[0, 1].set_ylim(-1, 1)  
  
# subplot(2,3,5)  
ax[1, 1].plot(x, y, lw=3, color="steelblue")  
  
ax[1, 1].spines["right"].set_color("none")  
ax[1, 1].spines["top"].set_color("none")  
ax[1, 1].spines["left"].set_position("center")  
  
# set left and bottom spines position  
ax[1, 1].spines["bottom"].set_position("center")  
  
# set tickline position of bottom and left spines  
ax[1, 1].xaxis.tick_bottom()  
ax[1, 1].yaxis.tick_left()  
ax[1, 1].set_ylim(-1, 1)  
  
# subplot(2,3,3)  
ax[0, 2].plot(x, y, lw=3, color="steelblue")  
ax[0, 2].spines["right"].set_visible(False)  
ax[0, 2].spines["top"].set_visible(False)  
  
# set leftandbottomspinespines position  
ax[0, 2].spines["left"].set_position(("outward", 3))  
ax[0, 2].spines["bottom"].set_position(("outward", 2))  
  
# set tickline position of bottom and left spines  
ax[0, 2].xaxis.set_ticks_position("bottom")  
ax[0, 2].yaxis.set_ticks_position("left")  
ax[0, 2].set_ylim(-1, 1)  
  
# subplot(2,3,6)  
ax[1, 2].plot(x, y, lw=3, color="steelblue")  
ax[1, 2].spines["right"].set_color("none")  
ax[1, 2].spines["top"].set_color("none")  
  
# set left and bottom spines position  
ax[1, 2].spines["left"].set_position(("outward", -3))  
ax[1, 2].spines["bottom"].set_position(("outward", -2))  
  
# set tickline position of bottom and left spines  
  
ax[1, 2].xaxis.tick_bottom()  
ax[1, 2].yaxis.tick_left()  
  
ax[1, 2].set_ylim(-1, 1)  
  
fig.subplots_adjust(wspace=0.35, hspace=0.2)  
plt.show()

画图结果如下：

在这里插入图片描述

可以通过下图中红框位置的保存按钮进行保存。

在这里插入图片描述

保存支持的格式如下：

在这里插入图片描述

通过执行代码语句保存图形

通过执行代码语句保存图形其实很简单，依然以上面的代码为例，只需在代码的最后添加 plt.savefig("img.png") 就可以完成图片保存行为，完整代码如下：

import matplotlib.pyplot as plt  
import numpy as np  
  
plt.rcParams['axes.facecolor'] = "lemonchiffon"  
  
x = np.linspace(0, 2, 1000)  
y = 0.9 * np.sin(np.pi * x)  
fig, ax = plt.subplots(2, 3)  
  
# subplot(2,3,1)  
ax[0, 0].plot(x, y, lw=3, color="steelblue")  
ax[0, 0].spines["right"].set_visible(False)  
ax[0, 0].spines["top"].set_visible(False)  
  
# set left and bottom spines position  
ax[0, 0].spines["left"].set_position(("data", 0.5))  
ax[0, 0].spines["bottom"].set_position(("data", 1))  
  
# set tickline position of bottom and left spines  
ax[0, 0].xaxis.set_ticks_position("bottom")  
ax[0, 0].yaxis.set_ticks_position("left")  
ax[0, 0].set_ylim(-1, 1)  
  
# subplot(2,3,4)  
ax[1, 0].plot(x, y, lw=3, color="steelblue")  
ax[1, 0].spines["right"].set_color("none")  
ax[1, 0].spines["top"].set_color("none")  
  
# set left and bottom spines position  
ax[1, 0].spines["left"].set_position("zero")  
ax[1, 0].spines["bottom"].set_position("zero")  
  
# set tickline position of bottom and left spines  
ax[1, 0].xaxis.tick_bottom()  
ax[1, 0].yaxis.tick_left()  
ax[1, 0].set_ylim(-1, 1)  
  
# subplot(2,3,2)  
ax[0, 1].plot(x, y, lw=3, color="steelblue")  
ax[0, 1].spines["right"].set_visible(False)  
ax[0, 1].spines["top"].set_visible(False)  
  
# set left and bottom spines position  
ax[0, 1].spines["left"].set_position(("axes", 0.25))  
ax[0, 1].spines["bottom"].set_position(("axes", 0.75))  
  
# set tickline position of bottom and left spines  
ax[0, 1].xaxis.set_ticks_position("bottom")  
ax[0, 1].yaxis.set_ticks_position("left")  
ax[0, 1].set_ylim(-1, 1)  
  
# subplot(2,3,5)  
ax[1, 1].plot(x, y, lw=3, color="steelblue")  
  
ax[1, 1].spines["right"].set_color("none")  
ax[1, 1].spines["top"].set_color("none")  
ax[1, 1].spines["left"].set_position("center")  
  
# set left and bottom spines position  
ax[1, 1].spines["bottom"].set_position("center")  
  
# set tickline position of bottom and left spines  
ax[1, 1].xaxis.tick_bottom()  
ax[1, 1].yaxis.tick_left()  
ax[1, 1].set_ylim(-1, 1)  
  
# subplot(2,3,3)  
ax[0, 2].plot(x, y, lw=3, color="steelblue")  
ax[0, 2].spines["right"].set_visible(False)  
ax[0, 2].spines["top"].set_visible(False)  
  
# set leftandbottomspinespines position  
ax[0, 2].spines["left"].set_position(("outward", 3))  
ax[0, 2].spines["bottom"].set_position(("outward", 2))  
  
# set tickline position of bottom and left spines  
ax[0, 2].xaxis.set_ticks_position("bottom")  
ax[0, 2].yaxis.set_ticks_position("left")  
ax[0, 2].set_ylim(-1, 1)  
  
# subplot(2,3,6)  
ax[1, 2].plot(x, y, lw=3, color="steelblue")  
ax[1, 2].spines["right"].set_color("none")  
ax[1, 2].spines["top"].set_color("none")  
  
# set left and bottom spines position  
ax[1, 2].spines["left"].set_position(("outward", -3))  
ax[1, 2].spines["bottom"].set_position(("outward", -2))  
  
# set tickline position of bottom and left spines  
  
ax[1, 2].xaxis.tick_bottom()  
ax[1, 2].yaxis.tick_left()  
  
ax[1, 2].set_ylim(-1, 1)  
  
fig.subplots_adjust(wspace=0.35, hspace=0.2)  
  
plt.savefig("img.png")  
plt.show()

这里我们稍微深入研究一下 plt.savefig() 这个方法，它的源码分析如下：

def savefig(*args, **kwargs):  
	# 获取当前的Figure对象
    fig = gcf()  
    # 调用Figure对象的savefig方法
    res = fig.savefig(*args, **kwargs)  
    fig.canvas.draw_idle()   # need this if 'transparent=True' to reset colors  
    return res

从源码可以看到，matplotlib 只能以一个 Figure 对象为单位进行保存，所以不能将子图单独保存，这提醒我们在布局阶段就得想好是否对 Figure 对象划分子图；其次源码中的 Figure 对象是通过 gcf() 方法获取的，如果程序中有多个 Figure 对象，有可能保存这个行为和预期不符，建议在程序中不要调用 plt.savefig() 方法，而是使用面向对象的方式，调用 Figure.savefig() 进行图像保存。

除了传递图片名称（fname），savefig 方法还可以传递如下参数：

  • dpi：图像分辨率，默认和调用方法的 Figure 对象一致；
  • format：如果图片名称中没有指定格式，则使用该参数指定的格式保存图片；
  • metadata：图片元数据，该参数的行为取决于图像格式；
  • facecolor：指定保存图片的背景颜色；
  • edgecolor：指定保存图片的边缘颜色；

往期回顾

  1. 【matplotlib】可视化解决方案——如何设置字符串的输出字体效果
  2. 【matplotlib】可视化解决方案——如何正确使用颜色映射表
  3. 【matplotlib】可视化解决方案——如何调整轴脊位置
  4. 【matplotlib】可视化解决方案——如何设置坐标系计量方法
  5. 【matplotlib】可视化解决方案——如何正确使用文本注释
  6. 【matplotlib】可视化解决方案——如何调整计量单位和计量方法
  7. 【matplotlib】可视化解决方案——如何实现图形的动画效果
  8. 【matplotlib】可视化解决方案——如何正确使用plot方法
  9. 【matplotlib】可视化解决方案——如何正确使用bar方法
  10. 【matplotlib】可视化解决方案——如何向画布中添加坐标轴

文中难免会出现一些描述不当之处（尽管我已反复检查多次），欢迎在留言区指正，相关的知识点也可进行分享，希望大家都能有所收获！！如果觉得我的文章写得还行，不妨支持一下。你的每一个转发、关注、点赞、评论都是对我最大的支持！

小猪猪家的大猪猪
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
专栏目录
数据可视化：matplotlib_1
09-17
数据可视化：matplotlib_1
python数据可视化 - Matplotlib——基于jupyter
02-21
该文件是.ipynb，可直接用jupyter打开运行 Matplotlib是一个强大的绘图工具，能满足几乎所有的2D和一些3D绘图的需求。 matplotlib是python科学计算中最基础、最重要的绘图库，一般使用matpltlib完全可以满足绘图需求 seaborn是构建在matplotlib之上的绘图库，能够一定程度上简化绘图过程。 seaborn基础还是matplotlib，所有利用python进行数据分析可视化，学习matplotlib是基础。
Python数据可视化——Matplotlib可视化（一）
01-07
数据可视化，是关于数据视觉表现形式的科学技术研究。其中，这种数据的视觉表现形式被定义为，一种以某种概要形式抽提出来的信息，包括相应信息单位的各种属性和变量。       Python有很多非常优秀易用的数据可视化的库，作为入门在这里使用Python的matplotlib，事实上Python中很多可视化库都是基于matplotlib开发的。       Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型地2D图表和一些基本的3D图表，可根据数据集（DataFrame，Series）自行定义x,y轴，绘制图形（线形图，柱状图，直方图，密度图，散布图等等），能够解
【Python】【Matplotlib】解决使用 plt.savefig() 保存图片时出现 FileNotFoundError : [Errno 2] No such file or directo
最新发布
创作高质量博文，分享知识，共同进步！
03-12 1389
🔥【揭秘！】Python高手必备：拯救你的`plt.savefig()`，告别`FileNotFoundError`！🔥 🌈绘图时遇到`FileNotFoundError`？别慌，我来拯救你的`plt.savefig()`！😎 🔍深入剖析错误原因，让你秒懂问题所在。 💡提供解决方案，一步到位，让你轻松绕过陷阱。 📌避免常见误区，告别低级错误。 📝实战代码示例，让你手把手解决问题。 🎓举一反三，让你的Python技能更上一层楼！
学习python matplot库 第二部分
weixin_55720656的博客
09-02 240
1.plt.scatter(x_values,y_values,c=‘red’,edgecolor=‘none’,s=40) 绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据 点的轮廓，可在调用scatter() 时传递实参edgecolor=‘none’,点设为红色 或者plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor=‘none’, s=40) 红色、绿色和蓝色，值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅 2. 颜色映射（co
利用python的matplotlib库进行科研绘图方法总结（保存矢量图）
Wendy的博客
02-23 5939
当format未设置，而输入的fname包含文件格式的扩展时，保存的文件格式即为该扩展。故上述的保存矢量图的代码中format参数可不进行设置。设置之后，jupyter notebook中得到的图片将显示为svg形式，，一般折线图的dpi设置为600，而图像的dpi设置为300。实现保存svg矢量图的功能。
Matplotlib——保存图形
XQC_KKK的博客
02-12 1万+
Matplotlib支持各种系统和图形格式。此外，Matplotlib保存所有图形格式的代码都是一样的，只需要调用图形对象的savefig()方法，非常简单易用。 #导入模块/包 import matplotlib.pyplot as plt import numpy as np #生成数据 x = np.linspace(0,10,200) print(x) fig = plt.figure()#生成一个空白图形并且将其赋值给fig对象 #绘制图形 plt.plot(x,np.sin(x),'-')
Matplotlib保存图片到文件
weixin_43956958的博客
07-22 7315
Matplotlib保存图片到文件。
Python保存图片的三种情况
qq_43750528的博客
04-20 1万+
【代码】Python保存图片的三种情况。
matplotlib 显示图片，笔记
qq_14822691的博客
04-26 410
需要注意的一点是，opencv读取的图片格式为BGR，而matplotlib的格式是RGB，注意他们之间的格式转换。
Matplotlib数据可视化（7）— 图片展示与保存
金戈鐡馬
03-25 1942
当我们使用matplotlib完成作图后，难免有需要将图表保存到本地的需求，这时候就可以使用savefig()方法实现。在使用imshow()展示图片前，需要先将图片读取出来。除了作图功能，matplotlib也提供本地图片展示以及保存图片的功能，这两个通能通过imshow()方法和savefig()方法实现。transparent：是否透明，当没有设置前景色和边框颜色时，如果transparent值为True保存为png格式时为透明。facecolor：前景色。fname：保存后图片名。
TensorFlow2.0入门学习笔记(2)——Matplotlib数据可视化
12-20
在正式学习tensorflow2.0之前需要...TensorFlow2.0学习笔记(2)——Matplotlib数据可视化 数据可视化： 数据分析阶段：理解和洞察数据之间的关系 算法调试阶段：发现问题，优化算法 项目总结阶段：展示项目成果 Matplot
Python matplotlib可视化实例解析
09-16
主要介绍了Python matplotlib可视化实例解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
Matplotlib 绘图并保存
weixin_41158001的博客
03-19 1619
plt.savefig("examples.jpg")  
Matplotlib风格与样式
盼小辉丶的博客
04-30 4855
Matplotlib 是 Python 生态系统的一个重要组成部分，是用于可视化的绘图库，它提供了一整套和 matlab 相似的命令 API 和可视化界面，可以生成出版质量级别的精美图形，Matplotlib 使绘图变得非常简单，在易用性和性能间取得了优异的平衡。本节主要介绍 Matplotlib 中预定义的不同风格，同时也可以通过控制 Matplolib 的绘图颜色与样式来自定义所需风格。
Python Matplotlib 中如何用 plt.savefig 存储图片
码农研究僧的博客
01-20 2万+
plt.show()展示图片的时候，截图进行保存，图片不是多么清晰如何保存高清图也是一知识点。
【7】python_matplotlib 输出(保存)矢量图方法；画图时图例说明(legend)放到图像外侧；Python_matplotlib图例放在外侧保存时显示不完整问题解决
热门推荐
丨汀、的博客
08-26 2万+
1.python_matplotlib 输出(保存)矢量图方法 用python的matplotlib画出的图，一般是需要保存到本地使用的。如果是用show()展出的图，再右键保存，这样的图是失帧而非矢量的 保存矢量图的方法是使用函数savefig()，官方资料：savefig) savefig(fname, dpi=None, facecolor='w', edgecolor='w', orientation='portrait', papertype=None, format=No
matplotlib入门基础（六）网格 图例 图片保存
HUST_zxs的博客
07-23 1901
matplotlib的入门，介绍设置网格（grid）、图例（legend）、图片保存的方法
使用matplotlib显示图片（《深度学习入门：基于Python的理论与实现》实践笔记）
xswl5148的博客
07-17 3981
使用matplotlib显示图片（《深度学习入门：基于Python的理论与实现》实践笔记）一、安装matplotlib库二、导入matplotlib.pyplot库和matplotlib.image库里的imread函数三、实例：显示图片 一、安装matplotlib库 在命令行使用下面的命令即可： pip install matplotlib 二、导入matplotlib.pyplot库和matplotlib.image库里的imread函数 在程序开头使用： import matplotlib.pyp
matplotlib可视化保存
09-17
Matplotlib是一个功能强大的Python可视化库，可以将图形输出保存为不同的文件格式，如PNG。通过使用plt.savefig()函数，我们可以将图形保存为PNG文件。要生成一个PNG文件，可以使用以下代码： ``` import numpy as ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小猪猪家的大猪猪

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值