Python matplotlib 多子图、子图间距与外边距的设置方式

在数据可视化中，matplotlib 是 Python 中一个非常强大的绘图库。当需要在一个画布上展示多个子图时，合理设置子图间距和外边距能使图表更加美观和易读。

我们来谈谈多子图的创建。通过使用 plt.subplots() 函数，可以轻松地创建多个子图。例如，fig, axes = plt.subplots(nrows=2, ncols=2) 就创建了一个 2 行 2 列的子图布局。

子图间距的设置是通过 plt.subplots_adjust() 函数来实现的。这个函数接受多个参数，如 hspace 用于设置水平间距，wspace 用于设置垂直间距。比如，plt.subplots_adjust(wspace=0.5, hspace=0.5) 会将子图的水平间距和垂直间距都设置为 0.5 。

外边距的设置则可以通过 plt.tight_layout() 函数来自动优化。它会智能地调整图表的布局，以确保所有元素都能在画布中合理显示，避免出现元素被截断或重叠的情况。

另外，如果想要更精细地控制外边距，可以使用 fig.subplots_adjust() 函数，并指定具体的 left、right、bottom、top 参数值。

在实际应用中，根据数据的特点和展示需求，合理调整子图间距和外边距是非常重要的。例如，当子图中的数据标签较长时，可能需要增大间距以避免遮挡；而当画布空间有限时，则需要适当减小间距以充分利用空间。

下面是一个简单的示例代码，展示了如何创建多子图、设置子图间距和外边距：

import matplotlib.pyplot as plt

# 创建 2 行 2 列的子图
fig, axes = plt.subplots(nrows=2, ncols=2)

# 设置子图间距
plt.subplots_adjust(wspace=0.3, hspace=0.3)

# 绘制子图内容
axes[0, 0].plot([1, 2, 3, 4, 5], [1, 4, 9, 16, 25])
axes[0, 1].scatter([1, 2, 3, 4, 5], [1, 8, 27, 64, 125])
axes[1, 0].bar([1, 2, 3, 4, 5], [1, 2, 3, 4, 5])
axes[1, 1].hist([1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5])

# 显示图形
plt.show()

通过以上的方法和示例，相信您能够更好地掌握 Python matplotlib 中多子图、子图间距与外边距的设置方式，从而绘制出更加清晰、美观和专业的数据可视化图表。