python保存plot图片

可以使用 `savefig` 方法来保存 Matplotlib 中生成的图片，具体方法如下：

import matplotlib.pyplot as plt

# 生成一个简单的折线图
plt.plot([1, 2, 3, 4, 5], [1, 4, 9, 16, 25])

# 保存图片
plt.savefig('my_plot.png')

在调用 `savefig` 方法时，可以指定图片的文件名及保存的路径，其默认保存在当前工作目录下。

如果需要保存为 PDF 或 SVG 等格式，只需要将文件后缀改为对应的后缀即可，例如：

# 保存为 PDF 格式
plt.savefig('my_plot.pdf')

# 保存为 SVG 格式
plt.savefig('my_plot.svg')

需要注意的是，调用 `savefig` 方法后会清空当前的图形，因此如果需要在代码中继续使用该图形，需要先将其保存为文件，再重新加载。

相关问题

python plot保存图片

要在Python中保存绘制的图片，可以使用matplotlib库的savefig()函数。首先，需要导入matplotlib.pyplot库。然后，使用plot()函数绘制图片。最后，调用savefig()函数并指定图片的保存路径和文件名。例如，可以使用以下代码保存图片：

import matplotlib.pyplot as plt
x = [0, 1, 2, 3, 4, 5]
y = [0, 2, 4, 6, 8, 10]
plt.plot(x, y)
plt.savefig('exam.png')
plt.show()

这将在当前工作目录中保存名为"exam.png"的图片。如果需要保存到特定文件夹，可以使用os模块创建文件夹，并使用os.path.join()函数指定完整的保存路径。例如：

import os
import matplotlib.pyplot as plt
x = [0, 1, 2, 3, 4, 5]
y = [0, 2, 4, 6, 8, 10]
plt.plot(x, y)
figure_save_path = "file_fig"
if not os.path.exists(figure_save_path):
os.makedirs(figure_save_path)
plt.savefig(os.path.join(figure_save_path, 'exam.png'))
plt.show()

这将在名为"file_fig"的文件夹中保存名为"exam.png"的图片。这样可以更好地组织保存的图片，使目录结构更加清晰。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [（P4）Python plt显示和保存图像（cv2、Image）](https://blog.csdn.net/lwqian102112/article/details/128358602)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* *3* [【python学习】如何将所绘制的图（单张/多张）保存到文件夹，并用绘制实时时间命名图片](https://blog.csdn.net/qq_40481843/article/details/120443307)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]

python图库plot

### Python 中用于绘制图形的库及 `plot` 函数使用方法

#### Matplotlib 库简介
Matplotlib 是一个非常流行的 Python 绘图库，能够轻松创建高质量的图表。该库支持多种类型的图表，包括线形图、散点图、柱状图等，并且可以方便地定制这些图表的各种细节[^1]。

#### 基本绘图操作
为了更好地理解如何利用 `plot()` 方法来绘制简单的二维折线图，下面给出一段基础代码示例：

import numpy as np
import matplotlib.pyplot as plt

x = list(range(1, 13))
y = [i * i for i in x]

plt.plot(x, y)
plt.show()

这段程序会生成一条由给定的数据点 `(x,y)` 连接而成的平滑曲线。其中 `x` 和 `y` 分别代表横轴和纵轴上的数值序列[^2]。

#### 自定义坐标刻度
默认情况下，自动生成的坐标轴可能无法满足特定需求。此时可以通过调用 `xticks()` 和 `yticks()` 来调整X轴和Y轴上标记的位置以及对应的标签文字:

plt.xticks([0, 5, 10], ['A', 'B', 'C'])
plt.yticks(np.arange(-1., 1., 0.2))

上述命令将把 X 轴分为三个部分并赋予新的名称；而 Y 轴则被重新划分为若干区间，每个区间的间隔为 0.2 单位长度。

#### 高级功能配置
对于更复杂的场景，还可以进一步优化图表外观，比如添加标题、网格线、图例说明等等。这里提供了一个综合性的例子展示了更多高级特性的应用方式[^3]:

# 设置全局样式参数
plt.style.use('ggplot')

fig, ax = plt.subplots()

ax.set_title("作物产量变化趋势", fontsize=16)

line, = ax.plot(df.index.values, df["产量"].values, label='实际产量')
line.set_color('green')    # 修改线条颜色
line.set_linewidth(2)      # 改变线条宽度

ax.legend(loc="upper left")

for ticklabel in ax.get_xticklabels():
    ticklabel.set_rotation(45)     # 旋转X轴标签角度以便阅读

plt.grid(True, linestyle="--", alpha=.7)

plt.tight_layout()                 # 自动调整子图间距
plt.savefig('./output.png')        # 将图片保存到文件中
plt.close(fig)

此段脚本不仅实现了基本的绘图逻辑，还加入了诸如风格主题的选择(`style`)、图例项的标注(`legend`)等功能，从而让最终得到的结果更加美观易懂。

#### 曲线属性动态修改
除了静态设定外，也可以通过获取 `plot()` 返回的对象——即 `Line2D` 类型实例来进行实时更新或交互式的控制。例如改变已有的曲线上某些特征而不必重绘整个画面[^4]:

line_obj, = plt.plot([1, 2, 3], [4, 5, 6])
line_obj.set_marker('+')           # 更改数据点形状为加号
line_obj.set_markersize(8)         # 扩大数据点大小
plt.draw()                         # 刷新当前窗口以反映更改后的效果

以上就是关于 Python 下常用绘图工具之一 —— Matplotlib 的一些介绍与实践案例分享。希望可以帮助大家掌握这一强大而又灵活多样的可视化手段！