Matplotlib可视化行列悬殊矩阵时坐标轴比例调整问题

这种行列数差距极大的矩阵可视化，确实容易出现y轴被压缩得看不清的情况，tight_layout()没用是因为它主要负责调整子图间距，没法改变图像本身的宽高比例。我之前也碰到过类似问题，这几个方法亲测有效：

1. 手动设置图像的宽高尺寸（figsize） #

直接在创建子图时指定figsize，根据你的数据行列比（1880列 vs 23行），把宽度设得足够大，高度适当增加，这样y轴就不会被过度压缩：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 模拟你的23行1880列数据
df = pd.DataFrame(np.random.rand(23, 1880))

# 自定义宽高，比如宽度25，高度6，匹配数据的宽高比
fig, ax = plt.subplots(figsize=(25, 6))
im = ax.imshow(df.values, cmap='viridis')

# 添加颜色条增强可读性
plt.colorbar(im)
plt.title('Wide Matrix with Custom Figsize')
plt.show()

2. 调整aspect参数 #

imshow()默认的aspect='equal'会强制每个像素是正方形，这就导致宽矩阵的y轴被挤得很窄。你可以把aspect设为'auto'，让Matplotlib自动调整比例以适应图像尺寸；或者手动计算比例（列数/行数），让图像比例完全匹配数据的行列比：

fig, ax = plt.subplots()
# 方法A：自动调整比例
im = ax.imshow(df.values, cmap='viridis', aspect='auto')

# 方法B：手动指定比例（列数/行数）
# im = ax.imshow(df.values, cmap='viridis', aspect=df.shape[1]/df.shape[0])

plt.colorbar(im)
plt.title('Wide Matrix with Adjusted Aspect Ratio')
plt.show()

3. 结合尺寸调整与y轴细节优化 #

如果y轴的刻度或标签还是看不清，可以进一步优化y轴的显示效果，比如增大标签字体、调整刻度间距：

fig, ax = plt.subplots(figsize=(22, 7))
im = ax.imshow(df.values, cmap='viridis', aspect='auto')

# 设置y轴刻度并增大标签字体
ax.set_yticks(range(df.shape[0]))
ax.set_yticklabels(df.index, fontsize=10)
ax.set_ylabel('Rows', fontsize=12)

plt.colorbar(im)
plt.title('Optimized Wide Matrix Visualization', fontsize=14)
plt.tight_layout()  # 现在配合尺寸调整，tight_layout可以优化标签和图像的间距
plt.show()

4. 可选：转置矩阵（如果业务允许） #

如果你的数据逻辑允许转置，把矩阵变成1880行23列，这样可视化时就会是一个高而窄的图像，y轴会更舒展：

fig, ax = plt.subplots(figsize=(8, 20))
im = ax.imshow(df.T.values, cmap='viridis', aspect='auto')

plt.colorbar(im)
plt.title('Transposed Matrix Visualization')
plt.show()

内容的提问来源于stack exchange，提问作者rlunde