Matplotlib绘图：如何让图表框尺寸不受刻度字符数量影响？

这个问题我之前也碰到过，确实很头疼——明明设置了相同的figsize，但两个图的画布大小就是对不齐，根源在于Matplotlib默认会根据坐标轴刻度标签的长度自动调整子图的边距，导致实际的绘图区域（图表框）大小不一样。下面给你几个实用的解决办法：

方法1：手动固定子图位置（最可靠） #

直接通过ax.set_position()指定子图在画布中的位置和尺寸，参数是一个四元组[left, bottom, width, height]，取值范围是0到1（相对于整个画布的比例）。这样不管刻度标签多长，绘图区域的大小都会完全一致。

修改后的代码示例：

import matplotlib.pyplot as plt

data_a = [1, 10, 100, 1000, 10000]
data_b = [10, 10.1, 9.9, 10.05, 9.95]
data_c = [0, -0.0005, 0.00025, 0.00045, -0.00015]

# 统一画布尺寸
figsize = (8, 6)
# 固定子图位置：[左偏移, 下偏移, 宽度, 高度]
subplot_position = [0.15, 0.15, 0.75, 0.75]

# 绘制第一个图
fig1, ax1 = plt.subplots(figsize=figsize)
ax1.semilogx(data_a, data_b, 'bo')
ax1.set_xlabel('x-axis')
ax1.set_ylabel('y-axis')
ax1.set_title('fig1')
ax1.set_position(subplot_position)  # 应用固定位置
plt.show()
fig1.savefig('test1.pdf', bbox_inches='tight')

# 绘制第二个图，用完全相同的位置参数
fig2, ax2 = plt.subplots(figsize=figsize)
ax2.semilogx(data_a, data_c, 'r*')
ax2.set_xlabel('x-axis')
ax2.set_ylabel('y-axis')
ax2.set_title('fig2')
ax2.set_position(subplot_position)
plt.show()
fig2.savefig('test2.pdf', bbox_inches='tight')

方法2：启用constrained_layout并固定画布尺寸 #

Matplotlib的constrained_layout会自动调整子图边距以适应标签，但只要我们给两个图设置完全相同的figsize，就能保证它们的绘图区域大小一致。这种方法不需要手动计算位置参数，更省心：

import matplotlib.pyplot as plt

data_a = [1, 10, 100, 1000, 10000]
data_b = [10, 10.1, 9.9, 10.05, 9.95]
data_c = [0, -0.0005, 0.00025, 0.00045, -0.00015]

# 统一画布尺寸
figsize = (8, 6)

# 创建第一个图时启用constrained_layout
fig1, ax1 = plt.subplots(figsize=figsize, constrained_layout=True)
ax1.semilogx(data_a, data_b, 'bo')
ax1.set_xlabel('x-axis')
ax1.set_ylabel('y-axis')
ax1.set_title('fig1')
plt.show()
fig1.savefig('test1.pdf')

# 创建第二个图时用同样的配置
fig2, ax2 = plt.subplots(figsize=figsize, constrained_layout=True)
ax2.semilogx(data_a, data_c, 'r*')
ax2.set_xlabel('x-axis')
ax2.set_ylabel('y-axis')
ax2.set_title('fig2')
plt.show()
fig2.savefig('test2.pdf')

方法3：统一刻度格式（可选） #

如果允许调整刻度的显示格式，让两个图的y轴刻度字符长度相近，也能消除尺寸差异。比如给第一个图的y轴设置更多小数位，和第二个图对齐：

import matplotlib.pyplot as plt
from matplotlib.ticker import FormatStrFormatter

data_a = [1, 10, 100, 1000, 10000]
data_b = [10, 10.1, 9.9, 10.05, 9.95]
data_c = [0, -0.0005, 0.00025, 0.00045, -0.00015]

# 给第一个图的y轴设置4位小数
fig1, ax1 = plt.subplots(figsize=(8,6))
ax1.semilogx(data_a, data_b, 'bo')
ax1.set_xlabel('x-axis')
ax1.set_ylabel('y-axis')
ax1.set_title('fig1')
ax1.yaxis.set_major_formatter(FormatStrFormatter('%.4f'))
plt.show()
fig1.savefig('test1.pdf', bbox_inches='tight')

# 第二个图保持默认格式
fig2, ax2 = plt.subplots(figsize=(8,6))
ax2.semilogx(data_a, data_c, 'r*')
ax2.set_xlabel('x-axis')
ax2.set_ylabel('y-axis')
ax2.set_title('fig2')
plt.show()
fig2.savefig('test2.pdf', bbox_inches='tight')

推荐优先用方法1，它能彻底避免刻度长度带来的影响，确保两个图的绘图区域完全对齐；方法2适合需要自动布局的场景；方法3则适合可以调整刻度显示的情况。

内容的提问来源于stack exchange，提问作者naughty_waves