在 Python 的 Matplotlib 中，调整子图（subplot）之间的间隔是一个非常常见的需求，默认情况下，子图之间的间距可能过小或过大，影响图表的美观性和可读性。
主要有两种方法来控制子图间隔：
plt.tight_layout()(推荐，简单高效)：这是最常用、最简单的方法，它会自动调整子图参数，使其填充整个图像区域，并避免标签重叠。plt.subplots_adjust()(灵活，精确控制)：当你需要更精细、更个性化的控制时，这个方法非常有用，可以分别调整左右、上下、左右间距和左右间距。
下面我们详细介绍这两种方法,并提供完整的代码示例。
使用 plt.tight_layout()
tight_layout() 会自动计算并调整子图的位置，确保：
- 子图之间不会重叠。
- （
title）、坐标轴标签（xlabel,ylabel）不会超出图像边界或被截断。
基本用法
在绘制完所有子图后,调用 plt.tight_layout() 即可。
import matplotlib.pyplot as plt import numpy as np # 创建一些示例数据 x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x) * np.cos(x) y4 = x**2 # 创建一个 2x2 的子图 plt.subplot(2, 2, 1) plt.plot(x, y1)"Sine Wave") plt.subplot(2, 2, 2) plt.plot(x, y2)"Cosine Wave") plt.subplot(2, 2, 3) plt.plot(x, y3)"Sine * Cosine") plt.subplot(2, 2, 4) plt.plot(x, y4)"x^2") # 调整子图间距，使其更紧凑 plt.tight_layout() plt.show()
效果：tight_layout() 会自动让子图之间的间距变得非常合理，通常比默认间距要好。
tight_layout() 的参数
如果你对自动调整的结果不满意,可以传入一些参数进行微调：
pad: 子图边缘与图像边缘之间的间距（以字体大小为单位），默认为08。w_pad: 子图水平方向（宽度）之间的间距，默认为0。h_pad: 子图垂直方向（高度）之间的间距，默认为0。rect: 一个元组(left, bottom, right, top)，指定整个子图区域在图像中的位置，默认为(0, 0, 1, 1)。
# ... (上面的绘图代码保持不变) ... # 使用参数进行微调 # pad=2.0: 增加子图边缘的间距 # w_pad=4.0: 增加子图水平间距 # h_pad=4.0: 增加子图垂直间距 plt.tight_layout(pad=2.0, w_pad=4.0, h_pad=4.0) plt.show()
使用 plt.subplots_adjust()
这个方法提供了更底层的控制,让你可以精确地设置子图区域的边距。
主要参数
left: 子图区域的左边界（相对于图像宽度的比例）。right: 子图区域的右边界。bottom: 子图区域的下边界。top: 子图区域的上边界。wspace: 子图水平方向（宽度）的间距（相对于子图平均宽度的比例）。hspace: 子图垂直方向（高度）的间距（相对于子图平均高度的比例）。
注意：这些参数的值都在 0 到 1 之间。
基本用法
import matplotlib.pyplot as plt import numpy as np # 创建一些示例数据 x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) y3 = np.sin(x) * np.cos(x) y4 = x**2 # 创建一个 2x2 的子图 plt.subplot(2, 2, 1) plt.plot(x, y1)"Sine Wave") plt.subplot(2, 2, 2) plt.plot(x, y2)"Cosine Wave") plt.subplot(2, 2, 3) plt.plot(x, y3)"Sine * Cosine") plt.subplot(2, 2, 4) plt.plot(x, y4)"x^2") # 手动调整子图间距 # wspace=0.5: 水平间距为子图平均宽度的50% # hspace=0.5: 垂直间距为子图平均高度的50% plt.subplots_adjust(wspace=0.5, hspace=0.5) plt.show()
效果：你会看到子图之间的间距明显变大了。
更精细的控制
结合 left, right, bottom, top 可以控制整个子图组在图像中的位置和大小。
# ... (上面的绘图代码保持不变) ... # 更精细的控制 # left=0.1, right=0.9: 整个子图组占据图像宽度10%到90%的区域 # bottom=0.1, top=0.9: 整个子图组占据图像高度10%到90%的区域 # wspace=0.2: 水平间距为子图平均宽度的20% # hspace=0.3: 垂直间距为子图平均高度的30% plt.subplots_adjust(left=0.1, right=0.9, bottom=0.1, top=0.9, wspace=0.2, hspace=0.3) plt.show()
如何选择？以及与其他方法的结合
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
plt.tight_layout() |
简单、快速、通常效果很好，能自动处理标签重叠。 | 控制力相对较弱，有时无法满足非常个性化的布局需求。 | 绝大多数情况下的首选，特别是当图表包含标题、标签时。 |
plt.subplots_adjust() |
灵活、精确，可以完全控制子图区域和间距。 | 需要手动调整参数，稍微复杂一些。 | 需要创建非对称布局、或在图像周围留出大片空白时。 |
结合 GridSpec 实现更复杂的布局
当 subplots_adjust 也不够用时，例如需要创建非均匀的子图网格（比如一个2x1的大图和一个1x1的小图），可以使用 GridSpec。
import matplotlib.pyplot as plt
import numpy as np
# 创建一个 3x2 的网格布局
fig = plt.figure(figsize=(8, 8))
gs = fig.add_gridspec(3, 2)
# 在第一行创建一个跨两列的大图
ax1 = fig.add_subplot(gs[0, :])
ax1.plot(np.random.rand(50))
ax1.set_title('Big Plot (Spanning 2 columns)')
# 在第二行第一列创建一个图
ax2 = fig.add_subplot(gs[1, 0])
ax2.plot(np.random.rand(50))
ax2.set_title('Plot 1')
# 在第二行第二列创建一个图
ax3 = fig.add_subplot(gs[1, 1])
ax3.plot(np.random.rand(50))
ax3.set_title('Plot 2')
# 在第三行第一列创建一个图
ax4 = fig.add_subplot(gs[2, 0])
ax4.plot(np.random.rand(50))
ax4.set_title('Plot 3')
# 在第三行第二列创建一个图
ax5 = fig.add_subplot(gs[2, 1])
ax5.plot(np.random.rand(50))
ax5.set_title('Plot 4')
# 对整个图像使用 tight_layout
fig.tight_layout()
plt.show()
- 从
plt.tight_layout()开始：它通常是解决子图间距问题的最快、最简单的方法。 - 如果需要微调：使用
tight_layout(pad=..., w_pad=..., h_pad=...)。 - 如果需要完全控制：使用
plt.subplots_adjust(wspace=..., hspace=..., ...)。 - 对于复杂布局：学习并使用
GridSpec，它提供了最强大的布局能力。
