Matplotlib数据可视化实战教程

本文集文档发布于灏天文库

1.5 保存图像

文档摘要

1.5 保存图像 Matplotlib 基础入门：1.5 保存图像详解 1.5.1 函数：Matplotlib 的核心图像保存工具 Matplotlib 提供了 函数，它是 模块下的一个核心函数，专门用于将当前 Figure 对象保存为图像文件。 无论你是使用 接口快速绘图，还是使用面向对象接口进行更精细的控制， 都是最终将图表固化为图像的出口。 基本语法： 代码详解: : 导入 模块并简写为 ，这是 Matplotlib 绘图的常用约定。 : 使用 函数绘制一个简单的散点图，这里只是为了演示保存图像的基本流程，你可以替换成任何你想要保存的 Matplotlib 图表代码。 , , : 添加图表标题和轴标签，使图表更具可读性 (可选，但推荐)。 : 核心代码！

1.5 保存图像

Matplotlib 基础入门：1.5 保存图像详解

1.5.1 savefig() 函数：Matplotlib 的核心图像保存工具

Matplotlib 提供了 savefig() 函数，它是 matplotlib.pyplot 模块下的一个核心函数，专门用于将当前 Figure 对象保存为图像文件。 无论你是使用 pyplot 接口快速绘图，还是使用面向对象接口进行更精细的控制，savefig() 都是最终将图表固化为图像的出口。

基本语法：

import matplotlib.pyplot as plt
# 绘制你的图表 (例如散点图)
plt.scatter([1, 2, 3, 4], [5, 6, 5, 7])
plt.title("示例散点图")
plt.xlabel("X 轴")
plt.ylabel("Y 轴")
# 保存图像
plt.savefig("scatter_plot.png") # 最简单的保存方式
# 显示图表 (可选，如果你还想在屏幕上看到它)
plt.show()
​

代码详解:

  1. import matplotlib.pyplot as plt: 导入 matplotlib.pyplot 模块并简写为 plt，这是 Matplotlib 绘图的常用约定。

  2. plt.scatter([1, 2, 3, 4], [5, 6, 5, 7]): 使用 scatter() 函数绘制一个简单的散点图，这里只是为了演示保存图像的基本流程，你可以替换成任何你想要保存的 Matplotlib 图表代码。

  3. plt.title(...), plt.xlabel(...), plt.ylabel(...): 添加图表标题和轴标签，使图表更具可读性 (可选，但推荐)。

  4. plt.savefig("scatter_plot.png"): 核心代码！ savefig() 函数将当前 Figure 对象保存到名为 "scatter_plot.png" 的文件中。 文件名字符串的扩展名 ".png" 自动指定了保存的图像格式为 PNG。这是 savefig() 的一个便捷特性：通过文件名扩展名推断图像格式。

  5. plt.show(): (可选) show() 函数用于在屏幕上显示绘制的图表。如果你只想保存图像而不需要在屏幕上预览，可以省略 plt.show()。

运行这段代码后，你会在当前工作目录下找到一个名为 "scatter_plot.png" 的图像文件，其中包含了你绘制的散点图。

1.5.2 指定图像格式：format 参数

虽然 savefig() 可以通过文件名扩展名推断图像格式，但为了更明确和更灵活地控制，我们可以使用 format 参数显式指定图像格式。

常用图像格式及其 format 参数值:

  • PNG (Portable Network Graphics): format='png' - 无损压缩，适合线条图、图标、图表等，质量高，文件大小适中。推荐用于大多数 Matplotlib 图表。

  • JPG/JPEG (Joint Photographic Experts Group): format='jpg' 或 format='jpeg' - 有损压缩，适合照片、复杂图像，文件大小小，但可能损失细节。不推荐用于线条图和图表，因为可能产生伪影。

  • SVG (Scalable Vector Graphics): format='svg' - 矢量图形，无损缩放，适合网页、演示文稿，文件大小通常较小，高质量，可编辑，推荐用于需要缩放的图表。

  • PDF (Portable Document Format): format='pdf' - 矢量图形，可包含文本和图像，适合文档、报告，文件大小适中，高质量，多页支持，推荐用于生成报告和文档。

  • EPS (Encapsulated PostScript): format='eps' - 矢量图形，PostScript 格式，适合印刷出版，高质量，但文件大小可能较大。

  • TIFF (Tagged Image File Format): format='tiff' - 无损压缩，高质量，适合图像存档、印刷出版，文件大小通常较大。

代码示例：保存为不同格式

import matplotlib.pyplot as plt
# ... (绘制图表代码，与之前示例相同) ...
# 保存为 PNG 格式 (显式指定 format)
plt.savefig("scatter_plot_png.png", format='png')
# 保存为 JPG 格式
plt.savefig("scatter_plot_jpg.jpg", format='jpg')
# 保存为 SVG 格式
plt.savefig("scatter_plot_svg.svg", format='svg')
# 保存为 PDF 格式
plt.savefig("scatter_plot_pdf.pdf", format='pdf')
# 保存为 EPS 格式
plt.savefig("scatter_plot_eps.eps", format='eps')
# 保存为 TIFF 格式
plt.savefig("scatter_plot_tiff.tiff", format='tiff')
​

选择合适的图像格式：

  • 对于线条图、柱状图、散点图等图表: PNG 和 SVG 是最佳选择。 PNG 提供高质量的栅格图像，文件大小适中，而 SVG 提供矢量图像，可以无损缩放，适合网页和演示文稿。

  • 对于需要印刷出版的图表: EPS 和 PDF 是更好的选择，它们都支持矢量图形，保证印刷质量。

  • 对于包含大量细节或需要压缩文件大小的复杂图像 (例如热图): PNG 或 JPG 可以考虑。 如果需要保证质量，优先选择 PNG。 如果更注重文件大小，可以尝试 JPG，但要注意可能出现的压缩伪影。

  • PDF 格式特别适合将多个 Matplotlib 图表组合成一个文档。

1.5.3 控制图像分辨率：dpi 参数

dpi (dots per inch) 参数控制图像的分辨率，即每英寸包含的像素点数。 更高的 DPI 值意味着图像更清晰、细节更丰富，但也意味着文件大小更大。

默认 DPI: Matplotlib 的默认 DPI 通常是 100 dpi。

代码示例：调整 DPI

import matplotlib.pyplot as plt
# ... (绘制图表代码) ...
# 保存为 300 DPI 的 PNG 图像 (高分辨率，适合印刷)
plt.savefig("scatter_plot_300dpi.png", dpi=300)
# 保存为 72 DPI 的 PNG 图像 (低分辨率，适合网页)
plt.savefig("scatter_plot_72dpi.png", dpi=72)
​

DPI 的选择建议:

  • 网页显示: 通常 72 DPI 或 96 DPI 即可满足需求。

  • 屏幕演示: 100 DPI 或 150 DPI 可以提供较好的视觉效果。

  • 印刷出版: 300 DPI 是印刷出版的常用标准分辨率，对于需要更高质量的图像，可以考虑 600 DPI 甚至更高。

注意: 提高 DPI 值会增加图像的文件大小和渲染时间。 根据实际需求选择合适的 DPI 值，不必盲目追求过高的 DPI。

1.5.4 控制图像背景透明度：transparent 参数

transparent 参数控制图像的背景是否透明。 默认为 False (不透明)。 设置为 True 可以使图像背景透明，方便将图表叠加到其他背景或图像上。

代码示例：设置背景透明

import matplotlib.pyplot as plt
# ... (绘制图表代码) ...
# 保存为背景透明的 PNG 图像
plt.savefig("scatter_plot_transparent.png", transparent=True)
# 保存为背景不透明的 PNG 图像 (默认)
plt.savefig("scatter_plot_opaque.png", transparent=False)
​

背景透明的用途:

  • 创建叠加图层: 将透明背景的图表叠加到照片、地图或其他图像上。

  • 网页设计: 透明背景的图表更容易融入网页的背景颜色和设计风格。

  • 演示文稿: 透明背景的图表在幻灯片中更灵活，可以与不同的背景颜色搭配。

注意: transparent=True 通常只对 PNG 和 PDF 等格式有效。 JPG 格式不支持透明度。

1.5.5 裁剪空白区域：bbox_inches='tight' 和 pad_inches 参数

默认情况下，savefig() 保存的图像可能会包含图表周围的空白区域，这在某些情况下可能不希望出现。 bbox_inches='tight' 参数可以自动裁剪掉图表周围的空白区域，使图像更紧凑。 pad_inches 参数可以控制裁剪后图像周围的填充空白大小。

代码示例：裁剪空白区域

import matplotlib.pyplot as plt
# ... (绘制图表代码，例如添加了较多空白的图例) ...
plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1.0)) # 将图例放置在图表外部
# 保存图像，不裁剪空白区域 (默认)
plt.savefig("scatter_plot_no_tight_bbox.png")
# 保存图像，裁剪空白区域
plt.savefig("scatter_plot_tight_bbox.png", bbox_inches='tight')
# 保存图像，裁剪空白区域并添加 0.1 英寸的填充
plt.savefig("scatter_plot_tight_bbox_pad.png", bbox_inches='tight', pad_inches=0.1)
​

bbox_inches 参数详解 (mermaid graph TD):

Graph TD 图解释:

  • Figure Canvas: 代表 Matplotlib 的 Figure 画布，包含了所有绘图元素 (线条、文本、轴、图例等)。

  • Calculate Bounding Box: savefig() 函数在保存图像时，首先需要计算图表的边界框 (Bounding Box)。

  • Default Bounding Box: 默认情况下，边界框会包含 Figure 画布的全部区域，包括图表内容以及周围的空白区域。

  • Tight Bounding Box Calculation: 当设置 bbox_inches='tight' 时，Matplotlib 会执行更精细的边界框计算，只包含图表内容本身及其必要的装饰元素 (例如轴标签、图例)，并尽量排除空白区域。

  • Adjust Bounding Box to Fit Content: Tight Bounding Box 计算的目标是 紧密贴合图表内容，减少或消除不必要的空白。

  • Save Image with Default/Tight Bounding Box: 最终，savefig() 函数会根据计算出的边界框保存图像。

pad_inches 参数: pad_inches 参数允许你在 bbox_inches='tight' 的基础上，进一步控制裁剪后的图像周围的填充空白大小。 例如，pad_inches=0.1 会在裁剪后的图像周围添加 0.1 英寸的空白边框。

bbox_inches='tight' 的适用场景:

  • 去除图表周围的空白: 使图像更紧凑、更美观。

  • 图例或标签超出图表区域: bbox_inches='tight' 可以确保完整保存超出图表区域的图例或标签。

  • 需要精确控制图像尺寸: 裁剪空白区域后，图像尺寸更接近于图表内容的实际尺寸。

注意: bbox_inches='tight' 可能会稍微增加图像保存的时间，因为它需要进行额外的边界框计算。

1.5.6 控制图像背景和边缘颜色：facecolor 和 edgecolor 参数

facecolor 参数控制 Figure 画布的背景颜色，edgecolor 参数控制 Figure 画布边缘的颜色。 这两个参数可以用于自定义图像的整体外观。

代码示例：设置背景和边缘颜色

import matplotlib.pyplot as plt
# ... (绘制图表代码) ...
# 保存图像，设置背景颜色为浅灰色，边缘颜色为黑色
plt.savefig("scatter_plot_facecolor_edgecolor.png", facecolor='lightgray', edgecolor='black')
# 保存图像，设置背景颜色为白色 (默认)，边缘颜色为蓝色
plt.savefig("scatter_plot_default_facecolor_blue_edgecolor.png", edgecolor='blue')
​

颜色值: facecolor 和 edgecolor 参数接受 Matplotlib 支持的各种颜色值，包括：

  • 颜色名称字符串: 例如 'red', 'green', 'blue', 'lightgray', 'white', 'black' 等。

  • 十六进制颜色代码: 例如 '#FF0000' (红色), '#008000' (绿色), '#0000FF' (蓝色) 等。

  • RGB 元组: 例如 (1, 0, 0) (红色), (0, 0.5, 0) (深绿色), (0, 0, 1) (蓝色) 等，取值范围为 [0, 1]。

  • RGBA 元组: 例如 (1, 0, 0, 0.5) (半透明红色) 等，最后一个值为 alpha 透明度，取值范围为 [0, 1]。

应用场景:

  • 自定义图像风格: 调整背景和边缘颜色以匹配报告、演示文稿或网站的整体风格。

  • 突出图表内容: 使用对比鲜明的背景颜色可以使图表内容更突出。

  • 创建特定视觉效果: 例如，使用深色背景和浅色线条可以创建夜间模式风格的图表。

1.5.7 保存矢量格式的文本：transparent=True (针对 PDF 和 SVG)

对于矢量格式 (SVG 和 PDF)，当设置 transparent=True 时，不仅图像背景会透明，而且文本也会以矢量形式保存，而不是栅格化。 这意味着在放大矢量图像时，文本仍然保持清晰锐利，不会出现像素化。

代码示例：矢量文本与透明背景

import matplotlib.pyplot as plt
# ... (绘制图表代码，包含文本) ...
# 保存为 SVG 格式，背景透明，文本为矢量
plt.savefig("scatter_plot_svg_transparent_vector_text.svg", format='svg', transparent=True)
# 保存为 PNG 格式，背景透明，文本为栅格化 (默认)
plt.savefig("scatter_plot_png_transparent_raster_text.png", format='png', transparent=True)
​

矢量文本的优势:

  • 无损缩放: 矢量文本在放大或缩小后仍然保持清晰，不会失真。

  • 高质量印刷: 矢量文本在印刷时可以获得最佳的清晰度和锐利度。

  • 可编辑性: 在某些矢量图形编辑器中，矢量文本可以被选中和编辑。

注意: 矢量文本只在矢量格式 (SVG 和 PDF) 中有效。 对于栅格格式 (PNG, JPG 等)，文本会被栅格化，放大后可能会出现像素化。

1.5.8 其他 savefig() 参数

savefig() 函数还提供了一些其他参数，用于更高级的图像保存控制，例如：

  • orientation='landscape' 或 orientation='portrait' (仅对 PDF 格式有效): 设置 PDF 页面的方向为横向 (landscape) 或纵向 (portrait)。

  • papertype='letter' 或 'a4' (仅对 PDF 格式有效): 设置 PDF 页面的纸张类型。

  • metadata={'Author': 'Your Name', 'Title': 'Plot Title'}: 在图像文件中嵌入元数据信息，例如作者、标题等。 这些元数据可以被某些图像查看器或软件读取。

  • pil_kwargs={}: 传递额外的关键字参数给 Pillow (PIL) 库，用于更精细地控制图像保存过程。 例如，可以设置 JPEG 压缩质量 pil_kwargs={'quality': 95}。

查看 savefig() 函数的完整文档:

import matplotlib.pyplot as plt
help(plt.savefig)
​

1.5.9 代码实践：综合示例

下面是一个综合示例，演示如何使用 savefig() 函数保存高质量、定制化的 Matplotlib 图表图像。

import matplotlib.pyplot as plt
import numpy as np
# 1. 生成数据
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
# 2. 绘制图表
fig, ax = plt.subplots(figsize=(8, 6)) # 创建 Figure 和 Axes 对象，设置图像尺寸
ax.plot(x, y1, label='sin(x)', linewidth=2, color='royalblue')
ax.plot(x, y2, label='cos(x)', linestyle='--', color='forestgreen')
ax.set_title("Sine and Cosine Waves", fontsize=16)
ax.set_xlabel("X Axis", fontsize=12)
ax.set_ylabel("Y Axis", fontsize=12)
ax.legend(fontsize=10, loc='upper right')
ax.grid(True, linestyle=':', alpha=0.5)
# 3. 自定义刻度标签字体大小
ax.tick_params(axis='both', which='major', labelsize=10)
# 4. 保存图像为高质量 PNG 格式
plt.savefig(
    "sine_cosine_plot.png",
    format='png',
    dpi=300,             # 300 DPI 高分辨率
    bbox_inches='tight', # 裁剪空白区域
    pad_inches=0.05,    # 添加少量填充
    facecolor='white',  # 背景颜色白色
    edgecolor='lightgray' # 边缘颜色浅灰色
)
# 5. 保存图像为 SVG 格式 (矢量图)
plt.savefig(
    "sine_cosine_plot.svg",
    format='svg',
    bbox_inches='tight', # 裁剪空白区域
    pad_inches=0.05,
    transparent=True # 背景透明，文本矢量化
)
plt.show() # 可选：显示图表
​

代码实践总结:

  • 明确图像用途: 首先要明确保存的图像是用于网页显示、屏幕演示还是印刷出版，这将决定你选择的图像格式和 DPI 值。

  • 选择合适的图像格式: PNG 和 SVG 是图表常用的高质量格式，PDF 适合文档和报告，JPG 适用于照片等复杂图像 (但图表慎用)。

  • 控制分辨率 (DPI): 根据需要调整 DPI 值，网页显示用低 DPI，印刷出版用高 DPI。

  • 使用 bbox_inches='tight' 裁剪空白区域: 使图像更紧凑美观。

  • 自定义背景和边缘颜色: 根据需要调整图像的整体外观风格。

  • 矢量格式的优势: 对于需要缩放或印刷的图表，优先选择 SVG 或 PDF 等矢量格式。

  • 善用 savefig() 参数: 熟悉 savefig() 函数的各种参数，可以更精细地控制图像保存过程，满足不同的需求。

1.5.10 总结

savefig() 函数是 Matplotlib 中保存图像的核心工具。 通过掌握 savefig() 函数的各种参数，我们可以灵活地控制图像的格式、分辨率、背景透明度、空白区域裁剪、颜色等，从而输出高质量、定制化的图表图像，满足各种应用场景的需求。 希望本篇文章能够帮助你深入理解 Matplotlib 图像保存的技巧，并在实际应用中更加得心应手。 记住，实践是最好的老师，多尝试不同的参数组合，你将能够更好地掌握 Matplotlib 图像保存的精髓。

作者与出处
原作者： 灏天文库
来源：灏天文库
整理： 灏天文库整理
由灏天文库平台收录，内容或由平台用户上传，仅供学习交流
发布者: 作者: 灏天文库 转发
评论区 (0)
U
0/500