python子图标题

在Python中，您可以使用Matplotlib库来创建图形，并在子图中添加标题。下面是一个示例代码，展示了如何创建一个包含子图标题的图形：

import matplotlib.pyplot as plt

# 创建一个包含2个子图的图形
fig, axs = plt.subplots(1, 2)

# 在第一个子图中绘制数据
axs[0].plot([1, 2, 3, 4], [1, 4, 2, 3])
axs[0].set_title('子图1')

# 在第二个子图中绘制数据
axs[1].plot([1, 2, 3, 4], [2, 2, 1, 1])
axs[1].set_title('子图2')

# 添加整个图形的标题
plt.suptitle('子图标题示例')

# 显示图形
plt.show()

这段代码创建了一个包含两个子图的图形，并为每个子图添加了标题。最后，使用`plt.suptitle()`函数添加了整个图形的标题。您可以根据需要修改数据和标题内容。

相关问题

python子图 图例 单个

### 如何在Python Matplotlib中创建包含图例的单个子图

为了实现这一目标，可以按照如下方式操作：

#### 导入必要的库并准备数据
首先，导入所需的`numpy`用于生成测试数据，以及`pyplot`模块来绘制图表。

import numpy as np
from matplotlib import pyplot as plt

接着定义一些示例性的数据集以便于后续作图使用。这里采用正弦函数和余弦函数作为两个不同的系列来进行展示[^2]。

x = np.linspace(0, 10, 100)    # 定义横坐标范围
y1 = np.sin(x)                 # 正弦波形的数据序列
y2 = np.cos(x)                 # 余弦波形的数据序列

#### 创建图形对象与轴域
通过调用`plt.subplots()`方法初始化一个新的Figure实例及其对应的Axes对象，这允许更灵活地控制布局和其他属性。

fig, ax = plt.subplots()

#### 绘制折线图并添加标签
利用上述获得的对象，在指定区域内分别画出两条不同颜色的线条，并分别为其赋予描述性的标签名，这些名称稍后会显示在图例里。

ax.plot(x, y1, label='Sine Wave', color='blue')
ax.plot(x, y2, label='Cosine Wave', color='red')

#### 配置图表细节
除了基本的绘图之外，还可以进一步定制化图表外观，比如设定标题、坐标轴的名字等。

ax.set_title('Single Subplot with Legends')       # 设置整个图表的大标题
ax.set_xlabel('Time (s)')                         # X 轴的文字说明
ax.set_ylabel('Amplitude')                        # Y 轴的文字说明

#### 处理图例外观及位置调整
最后一步是处理好图例本身的相关事宜，包括但不限于定位到最佳位置或是移至外部空间以优化视觉效果。

对于希望把图例放置在外边框以外的情形，则可以通过修改参数`bbox_to_anchor=(x,y)`中的具体数值来达到目的；而当存在多个相同项时可通过过滤掉已经存在的键值对避免重复出现。

handles, labels = ax.get_legend_handles_labels()   # 获取当前所有的句柄(handle) 和 标签(label)
unique = [(h, l) for i, (h, l) in enumerate(zip(handles, labels)) if l not in labels[:i]]  # 去重
ax.legend(*zip(*unique), bbox_to_anchor=(1.05, 1), loc='upper left')     # 将去重后的图例置于左侧顶部附近区域外

#### 展现最终成果
执行下面语句即可查看所构建好的带有一个独立子图且附带适当图例的整体视图。

plt.tight_layout(rect=[0, 0, 0.85, 1])            # 自动调整各元素间距防止溢出边界
plt.show()

python子图导出清晰度差

### 提高 Python Matplotlib 子图导出分辨率和清晰度的方法

为了确保生成的子图具有较高的分辨率和清晰度，在使用 `matplotlib` 进行绘图并保存时，可以通过调整多个参数来实现这一目标。

#### 设置图像尺寸和分辨率

通过指定图像的宽度、高度以及每英寸点数（DPI），可以有效提升最终输出的质量。具体来说：

- **设置图像大小**：利用 `plt.figure(figsize=(width, height))` 来定义画布的具体尺寸。
- **增加 DPI 值**：在调用 `savefig()` 方法时传入更高的 DPI 参数值，例如 `dpi=300` 或更高[^1]。

import matplotlib.pyplot as plt

# 创建一个新的图形对象，并设定其大小为8*6英寸
plt.figure(figsize=(8, 6))

# 添加一些数据绘制线形图作为例子
plt.plot([1, 2, 3, 4], [1, 4, 9, 16])

# 保存当前图形至文件，同时指定了分辨率为300 dpi
plt.savefig('high_quality_figure.png', dpi=300)

# 显示所创建的图表
plt.show()

#### 更改保存格式以保持质量

除了 PNG 文件外，还可以考虑其他支持矢量化存储方式的格式如 SVG 和 EPS，这些格式能够更好地保留细节并且不会因为缩放而损失品质[^4]。

对于需要插入到学术文章中的插图而言，EPS 是一种非常理想的选择；而对于 PowerPoint 演示文稿，则推荐使用 PDF 或者 SVG 格式以便于编辑且不失真显示。

#### 配置额外属性优化视觉效果

适当调节线条粗细 (`linewidth`) 及字体大小等样式选项也能进一步改善整体呈现的效果[^2]。

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-np.pi, np.pi, 256)
y = np.sin(x)

plt.figure(figsize=(8, 6))
plt.plot(x, y, linewidth=2.0)    # 加粗线条使更易读取
plt.title("Sine Wave", fontsize=16)     # 放大标题文字便于阅读
plt.xlabel("X Axis Label", fontsize=14)  
plt.ylabel("Y Axis Label", fontsize=14)

plt.grid(True)                   # 启用网格辅助查看坐标位置
plt.tight_layout()               # 自动调整布局防止标签被裁剪掉

plt.savefig('optimized_sine_wave.pdf')   # 默认情况下会采用较高dpi
plt.show()