掌握这几种方法，从此向图片边界空白说再见

Matplotlib可以非常方便的将数据处理和作图融为一体，最重要的其对数据可视化过程中图片的各种属性都可以灵活的控制。其实可以这么说：只要你能想到的，用mpl都可以做出来！(肯定有人不服，服不服随便你，谁用谁知道)。但是用mpl做过图的同学肯定遇到过这样一个头疼的问题，在保存图片的时候，边界上总有一些空白，这是我们不想要的。在这篇文章里面我将介绍mpl几种不为常人所注意的几个技巧。*绝对难得的干货*

图1： Matplotlib绘制的嵌套饼图。左图为没有使用空白切边，右图是使用 pdfcrop 命令进行空白切除后的结果

切除空白边界的方法有很多种，主要分为两类，一类是前处理；一类是后处理。所谓前处理就是使用一些绘图控制命令在绘图的过程中一步到位，将空白边界切掉。而后处理指的是使用一些工具（比如AI）将保存出来的图片进行后期编辑，把空白边界切掉。一般的使用某些图片编辑软件进行后处理肯定显得很麻烦，比如当你更新图片后，又得重新编辑一遍，又得重新切边。这种方式显然不优雅，我们在做科研的过程中一定得珍惜生命，不要在不必要的环节浪费青春。 Matplotlib提供了一些绘图控制命令可以进行前处理，我还会介绍一种更方便的后处理命令 pdfcrop 而不是用一些可视化的软件进行。

前处理

Matplotlib有很多函数或者参数进行画布的重新布局或重新设计大小。比如 tight_layout(), subplots_adjust() 函数和 savefig 函数中的 bbox_inches 参数等。下面介绍我经过长期的实践总结出来的几种常用的有效的前处理方式。

tight_layout

tight_layout 函数是用于自动布局画布和画布上的图形元素的，可以通过里面的参数让整个画布更紧凑一些。虽然这个函数有好几个参数: pad, h_pad, w_pad, rect ，但是其功能有限，甚至不好操作。推荐一般直接用 plt.tight_layout() 或者 plt.tight_layout(pad=0.05) ，如果对图片布局或者边界空白无太多要求的情况下，这个就够了。

如果前面对坐标轴设置了比例关系: ax.axis('scaled') ，则慎用这个自动布局函数！否则会破坏坐标系的比例关系。这种情况下一般用于纵横轴表示长度或者空间坐标的情况，因为这种情况纵横坐标的尺度比应该是1。其他情况一般不会使用 ax.axis('scaled') 命令。

下面用一个嵌套饼图的例子逐步说明问题，首先利用代码块1 所示的代码进行绘图，直接保存图片。结果见图2.

代码块1：嵌套饼图示例代码

import numpy as np import matplotlib as mpl mpl.rcParams["font.family"] = 'Arial' #默认字体类型 mpl.rcParams["mathtext.fontset"] = 'cm' #数学文字字体 import matplotlib.pyplot as plt # 新增 from matplotlib.transforms import Bbox import os def func(pct, allvalues): absolute = int(pct/100.*allvalues) return "{:.0f}%n({:d})".format(pct, absolute) # 数据 num_SpreadingRate=[68, 119, 119, 35, 58] label_SpreadingRate=['Ultra-slow', 'Slow', 'Medium', 'Fast', 'Super fast'] num_MOR_T=[66, 55, 278] label_MOR_T=['High T', 'Low T', 'Inactive'] # 开始绘图 figsize=(5,4) fig=plt.figure(figsize=figsize) ax=plt.gca() # 参数定义 radius=1 thick=0.4 colors1=['#1f77b4','#bcbd22','#8c564b','#e377c2','#17becf'] colors2=['#d62728','#ff7f0e','#2ca02c'] wedgeprops=dict(width=thick, ec='w') # 绘制饼图 wedges1, labels1, pcts1=ax.pie(num_SpreadingRate,radius=radius, wedgeprops=wedgeprops,colors=colors1, autopct=lambda pct: func(pct, np.sum(num_SpreadingRate)), pctdistance=radius-thick/2) wedges2, labels2, pcts2=ax.pie(num_MOR_T,radius=radius-thick, wedgeprops=wedgeprops,colors=colors2, autopct=lambda pct: func(pct, np.sum(num_MOR_T)), pctdistance=radius-thick) # 文字属性 plt.setp(pcts1, color='w') plt.setp(pcts2, color='w') ax.text(0,0,str('%.0f'% (np.sum(num_MOR_T))),va='center',ha='center', fontweight='bold', fontsize=12) # 图例 x_leg=0.9 leg1=ax.legend(handles=wedges1, labels=label_SpreadingRate, title='Spreading rate', labelspacing=1, loc='lower left', bbox_to_anchor=(x_leg,0.4)) ax.add_artist(leg1) leg2=ax.legend(handles=wedges2, labels=label_MOR_T, title='Temperature',labelspacing=1, loc='lower left', bbox_to_anchor=(x_leg,0.1)) # 保存图片 figname='figures/nestedPie.pdf' plt.savefig(figname) #,bbox_inches='tight' plt.show()

图2：直接保存mpl绘制的嵌套饼图。可以看到不仅有很大的空白边界，两个图例还叠在了一起。

为了更好的示例说明问题，我将mpl画布的背景设置为浅绿色或灰色，一般情况下不需要这么干，用默认的白色即可！

如果我们在代码块1 代码的第43行后面加入如下的命令，则可以看到保存的图片有所改善，如图3 所示。

plt.tight_layout()

图3：使用 tight_layout 函数后保存的图片效果

当然了，你可以再加一个参数试试看效果 plt.tight_layout(pad=1.5) 。

subplots_adjust

上面介绍了简单的使用tight_layout函数进行自动布局，当然了还有一个功能更强大的函数，就是subplots_adjust 。这个函数可以调整画布的上下左右的边距，还有多图组合时候可以调整子图之间的横向和纵向间距。

代码块2： subplots_adjust函数的六个参数

left = 0.125 # the left side of the subplots of the figure right = 0.9 # the right side of the subplots of the figure bottom = 0.1 # the bottom of the subplots of the figure top = 0.9 # the top of the subplots of the figure wspace = 0.2 # the amount of width reserved for space between subplots, # expressed as a fraction of the average axis width hspace = 0.2 # the amount of height reserved for space between subplots, # expressed as a fraction of the average axis height

在代码块1 代码中的第43行前加入 plt.subplots_adjust(left=-0.2) 看看情况，如图4 所示.

图4：使用subplots_adjust函数进行一个小调整之后的效果

这个函数对于一般的绘图（比如曲线图、散点图等），但是饼图比较特殊，有点复杂，这个函数很难调整边界的空白范围。尽管如此，已经比tight_layout函数有点改进了，也比他的自由度更大一点。

savefig

上面这两个函数各有特点，在调整画布布局的时候，会重新计算和绘制图形元素，不同的参数会导致画布中的图形元素位置和大小都会发生变化。但是单就画布边界空白的问题，这里有一个更直接的终极参数，那就是 savefig 里面的 bbox_inches 参数，可以精确控制/剪切空白边界。一贯的python风格，mpl对这个参数也支持一个懒人用法，也就是内部会通过一定的算法自动计算边界空白，自动剪切。只需要在代码块1 代码中的第45行的savefig函数中加入一个参数 bbox_inches='tight' 就可以得到图1 作图的效果。既然是懒人参数，那肯定就可能不符合自己的需求了，虽然有一定程度的剪切，但是依然有一些空白。如果想再自定义切除范围，可以用如代码块3ed-textrole="ref"} 替换代码块1 中的savefig行即可得到如图5textrole="numref"} 所示的效果。

代码块3： bbox_inches示例代码

from matplotlib.transforms import Bbox plt.tight_layout() bbox = Bbox(np.array([[0.5,0.5],[figsize[0]+0.3,figsize[1]-0.5]])) plt.savefig(figname,bbox_inches=bbox)

图5：使用bbox_inches参数保存图片效果，完美达到自定义的画布范围。

savefig函数中的bbox_inches参数完全可以自由定义最终保存图片的边框范围，完美解决了剪切空白边框的前处理问题。也就是开头提到的第一种解决方式。

代码块3 代码块中的第三行bbox的定义中需要注意两点：（1）导入库Bbox，见第一行；（2）Bbox的构造参数里面见第三行，第一和第二个数字是x,y的最小值，第三和第四个参数是宽度和高度，单位都是inch，与figure()里面的figsize参数指定的画布大小是一个尺度的东西。

后处理

单就剪切空白边框的问题，虽然上面提到的bbox_inches参数在保存图片的时候可以完美定义最终画布的范围，达到剪切空白边界的目的。但是这个bbox_inches还需要自定义，基本上靠目测，经验丰富的人试两次就能确定这个值了，但还是得手动不是。这里推荐一个后处理的命令 pdfcrop ，注意是一个在命令行运行的小程序工具（安装Latex的时候会自带的，专门用来剪切pdf文件的边框的）。这个小工具的原理我估计（没有实际看他的源代码）是根据像素的颜色来判断一个包括有效颜色（非白色）的最小矩形范围，然后将此矩形范围之外的东西给砍掉。那么如何在mpl绘图的时候调用呢？很简单，就是执行一个system命令就行了，剪切完之后继续以相同的文件名保存即可，将代码块1 代码的savefig行替换为代码块4 。剪切完的效果如图1 右图所示。

代码块4： pdfcrop示例代码

figname='figures/nestedPie.pdf' plt.savefig(figname) import os os.system('pdfcrop '+figname+' '+figname)