如何通过子图更改图形的大小

Question

我在尝试使用plt.subplots时遇到了一些问题，无法更改图形大小。使用以下代码，我只能得到标准大小的图形，所有子图都挤在一起（大约有100个），显然只是一个额外的空图形大小。我尝试使用tight_layout，但没有成功。

def plot(reader):
    channels=[]
    for i in reader:
        channels.append(i)

    plt.figure(figsize=(50,100))
    fig, ax = plt.subplots(len(channels), sharex=True)
    
    plot=0    
    for j in reader: 
        
        ax[plot].plot(reader["%s" % j])
        plot=plot+1

    plt.tight_layout()
    plt.show()

- Ashleigh Clayton

---

你为什么构建了 channels 列表，但从未使用它？此外，你对 reader 的 for 循环是 enumerate 的完美用例。例如：for plot, j in enumerate(reader):。 - wflynny

我使用通道列表来确定有多少个子图。感谢您关于enumerate的提示。 - Ashleigh Clayton

еҰӮжһңжӮЁж— жі•жү§иЎҢlen(reader)жҲ–len(list(reader))пјҢжӮЁеҸҜд»Ҙе§Ӣз»Ҳжү§иЎҢN_channels = len([1 for _ in channels])пјҢеӣ дёәжӮЁдёҚйңҖиҰҒеӯҳеӮЁreaderзҡ„е®һйҷ…еҶ…е®№гҖӮ - wflynny

子图文档：https://matplotlib.org/api/_as_gen/matplotlib.pyplot.subplots.html - nycynik

Answer 1

你可以删除你最初的plt.figure()。调用plt.subplots()时会创建一个新的图形，因此你的第一个调用不会有任何作用。

在后台，subplots命令将为您调用plt.figure()，并传递任何关键字。所以只需在subplots()命令中添加figsize关键字:

def plot(reader):
    channels=[]
    for i in reader:
        channels.append(i)

    fig, ax = plt.subplots(len(channels), sharex=True, figsize=(50,100))

    plot=0    
    for j in reader: 

        ax[plot].plot(reader["%s" % j])
        plot=plot+1

    plt.tight_layout()
    plt.show()

- Rutger Kassies

---

谢谢，figsize=(50,100) 是我在这里的目的。 - arilwan

Answer 2

图形大小以英寸为单位。如果由于某种原因，子图的figsize需要在绘制后更改（可能是因为它的创建由外部库（如statsmodels等）处理），那么您可以调用figure对象上的set_size_inches()来设置图形大小。

fig.set_size_inches(50, 100)
# or 
plt.gcf().set_size_inches(50, 100)

---

一个工作示例：

import random
def subplots():
    xs = [[range(3)]*2]*2
    ys = [[[random.random() for _ in range(3)] for _ in range(2)] for _ in range(2)]
    fig, axs = plt.subplots(2,2)
    for i, row in enumerate(zip(xs, ys)):
        for j, (x, y) in enumerate(row):
            axs[i][j].plot(x, y)

subplots()                          # draw subplots
plt.gcf().set_size_inches(15,5)     # set figure size afterwards

---

另一个例子是使用statsmodels处理时间序列分解图。如果在绘制后不设置图像大小，则结果图太小：

import random, pandas as pd
from statsmodels.tsa.seasonal import seasonal_decompose

data = pd.Series([random.random() for _ in range(100)], index=pd.date_range('2020', periods=100, freq='D'))
decomp = seasonal_decompose(data)
fig = decomp.plot()
fig.set_size_inches(10,10)
#   ^^^^^^^^^^^^^^^       <---- set figure size to (10, 10)

- cottontail