plt.savefig()参数 bbox_inches的用法

bbox_inches是savefig()函数的一个可选参数，用于指定图形的边框范围。该参数可以接受一个四元组，表示左、下、右、上四个边界的百分比值，这四个百分比值是相对于图像的宽和高而言的。如果需要将图像所有内容都保存到文件中，建议使用pad_inches=0参数，这将删除图形周围的空白空间，以便更好地适应图形。

相关问题

y_test = y_test.reset_index(drop = True) y_predict2 = model_RF1.predict(x_test) plt.figure(figsize = (12,8)) plt.plot(y_predict2,color = 'b',label = 'predict',markersize=8) plt.plot(y_test,color = 'r',label = 'true',markersize=8) plt.xlabel('Test Sample',fontsize=30) plt.ylabel('y1',fontsize=30) plt.title('随机森林',fontsize=30) #坐标轴字体大小 plt.xticks(fontsize=25) plt.yticks(fontsize=25) plt.legend(fontsize=25,loc='upper right') # plt.savefig('GradientBoosting.png',dpi=300,bbox_inches = 'tight')

这段代码的作用是对训练好的随机森林模型进行测试，并将测试结果和真实值进行可视化比较。首先，使用`reset_index()`函数将`y_test`的索引重置为默认值，即0到n-1。接着，使用训练好的`model_RF1`模型对测试集`x_test`进行预测，将预测结果存储在`y_predict2`中。然后，使用`plt.plot()`函数将预测结果和真实值分别用蓝色和红色的线绘制在图表上。接下来，使用`plt.xlabel()`和`plt.ylabel()`函数分别设置x轴和y轴的标签，使用`plt.title()`函数设置图表的标题。然后，使用`plt.xticks()`和`plt.yticks()`函数设置x轴和y轴刻度标签的字体大小。最后，使用`plt.legend()`函数添加图例，并设置字体大小和位置。如果需要保存图表，可以使用`plt.savefig()`函数。

y_pred = model.predict(x_test) # y_pred = np.squeeze(y_pred) plt.imshow(y_pred, cmap='gray') # cmap='gray' 表示以灰度图显示 plt.axis('off') # 禁用轴坐标 plt.tight_layout() save_path = forecast_path + '/' + images[0].split('/')[-1].split('.')[0] + '_forecast.png' plt.savefig(save_path) 以上代码保存的图片仍然带有白边

如果调用`plt.tight_layout()`后仍然存在白边，你可以尝试使用`bbox_inches='tight'`参数来保存图片。将以下代码替换你的保存图片的代码部分：

plt.savefig(save_path, bbox_inches='tight')

这将使用更紧凑的边界框来保存图片，从而消除白边。重新运行代码，应该能够得到没有白边的图片。