ax = plt.figure(figsize=(fig_width, fig_length)) fig.subplots_adjust(wspace=0.3,hspace=0.1,left=0,right=1)

这段代码使用 Matplotlib 库来创建一个大小为 `(fig_width, fig_length)` 的图像，并使用 `subplots_adjust()` 方法调整子图之间的间距和图像边缘的位置。其中，`wspace` 和 `hspace` 分别控制子图之间的宽度和高度间隔，`left` 和 `right` 控制图像左右边缘的位置。

相关问题

import matplotlib.pyplot as plt import pandas as pd plt.rcParams['font.family'] = 'Fangsong' # 指定使用宋体字体 # 读取数据 df = pd.read_excel('200马力拖拉机明细.xlsx') fig= plt.figure(figsize=(100, 20), dpi=300) # 绘制箱线图 fig, ax = plt.subplots() plt.subplots_adjust(left=0.1, right=0.9, bottom=0.2, top=0.9, wspace=0.3, hspace=0.3) bp = df.boxplot(column='sale', by=['FactoryName', 'JiJXH'], ax=ax,rot=90, grid=False) # 修改横轴标签 xtick_labels = [label.get_text() for label in ax.get_xticklabels()] new_xtick_labels = [label.replace(' ', '\n') for label in xtick_labels] ax.set_xticklabels(new_xtick_labels) # 绘制折线图 median_dict = df.groupby(['FactoryName', 'JiJXH'])['sale'].median().to_dict() for i, label in enumerate(xtick_labels): factory_jijxh = tuple(label.split('\n')) median = median_dict.get(factory_jijxh, None) if median is not None: ax.plot(i+1, median, marker='-', color='red') # 显示图形 plt.show() 绘制一个复合图，图像太小

如果您的图像太小，可以尝试将 `figsize` 参数调大一些，例如：

fig= plt.figure(figsize=(200, 40), dpi=300)

这里将 `figsize` 设为 `(200, 40)`，宽度为 200，高度为 40。这样可以让图像更大一些。

另外，您也可以通过调整子图的大小和位置来让图像更大。可以使用 `add_subplot` 方法添加子图，并通过 `gridspec` 调整子图的大小和位置，例如：

fig = plt.figure(figsize=(20, 10), dpi=300)
gs = fig.add_gridspec(nrows=1, ncols=1)
ax = fig.add_subplot(gs[0, 0])
ax.set_position([0.1, 0.2, 0.8, 0.7])

这里先使用 `add_gridspec` 创建一个 1 行 1 列的网格，再使用 `add_subplot` 往网格里添加一个子图。`set_position` 方法可以调整子图的位置和大小，这里将子图的左下角坐标设为 `(0.1, 0.2)`，宽度设为 80%，高度设为 70%。通过调整这些参数，可以得到适合您的图像大小和布局的效果。

classified_ids = np.array(classified_ids) classified_ids = classified_ids.flatten() max_view = 20 current_view = 1 fig = plt.figure() fig.subplots_adjust(left=0, right=1, bottom=0, top=1, hspace=0.2, wspace=0.2) mis_pairs = {} for i, val in enumerate(classified_ids == t_test): if not val: ax = fig.add_subplot(4, 5, current_view, xticks=[], yticks=[]) ax.imshow(x_test[i].reshape(28, 28), cmap=plt.cm.gray_r, interpolation='nearest') mis_pairs[current_view] = (t_test[i], classified_ids[i]) current_view += 1 if current_view > max_view: break

这段代码的作用是将分类错误的样本可视化，并将其真实标签和预测标签保存到 mis_pairs 字典中。具体来说，代码首先将 classified_ids 列表转换为形状为 (x_test.shape[0],) 的一维数组，并将其展平为一维，方便后续处理。然后，定义了一个画布 fig，并调用 fig.subplots_adjust 函数设置画布边距和子图之间的间距。接着，使用 for 循环依次遍历测试集数据，并判断当前样本的预测结果是否与真实标签相同。如果当前样本被错误分类，则将其在画布上绘制出来，并将其真实标签和预测标签保存到 mis_pairs 字典中。具体来说，使用 fig.add_subplot 函数在画布上添加一个子图，并设置 xticks 和 yticks 参数为空，以去除子图的坐标轴。然后，使用 imshow 函数在子图上显示当前样本的图像，并使用 cmap=plt.cm.gray_r 参数指定颜色映射为灰度图。最后，将当前子图的编号和对应的真实标签和预测标签保存到 mis_pairs 字典中，并将 current_view 加 1。如果当前绘制的子图数量已经达到了 max_view 的限制，则跳出循环。