Matplotlib 图1紧_布局（），但图仍重叠

想象一下，我有一些葡萄酒数据集，我找到了前5个葡萄酒生产国：

# Find top 5 wine producing countries.
top_countries = wines_df.groupby('country').size().reset_index(name='n').sort_values('n', ascending=False)[:5]['country'].tolist()

现在我有了这些值，我尝试在10个图中绘制结果，5行2列

fig = plt.figure(figsize=(16, 15))
fig.tight_layout()
i = 0
for c in top_countries:
    c_df = wines_df[wines_df.country == c]
    i +=1
    ax1 = fig.add_subplot(5,2,i)
    i +=1
    ax2 = fig.add_subplot(5,2,i)
    sns.kdeplot(c_df['points'], ax=ax1)
    ax1.set_title("POINTS OF ALL WINES IN %s, n=%d" % (c.upper(), c_df.shape[0]), fontsize=16)
    sns.boxplot(c_df['price'], ax=ax2)
    ax2.set_title("PRICE OF ALL WINES IN %s, n=%d" % (c.upper(), c_df.shape[0]), fontsize=16)
plt.show()

即使有这个结果，我仍然有我的子地块重叠

---

我做错什么了吗？使用

python3.6

和

matplotlib==2.2.2

正如Thomas Kühn所说，在进行绘图后，必须移动

紧密布局（）

，如：

fig = plt.figure(figsize=(16, 15))
i = 0
for c in top_countries:
    c_df = wines_df[wines_df.country == c]
    i +=1
    ax1 = fig.add_subplot(5,2,i)
    i +=1
    ax2 = fig.add_subplot(5,2,i)
    sns.kdeplot(c_df['points'], ax=ax1)
    ax1.set_title("POINTS OF ALL WINES IN %s, n=%d" % (c.upper(), c_df.shape[0]), fontsize=16)
    sns.boxplot(c_df['price'], ax=ax2)
    ax2.set_title("PRICE OF ALL WINES IN %s, n=%d" % (c.upper(), c_df.shape[0]), fontsize=16)
fig.tight_layout()
plt.show()

如果仍然重叠（在某些情况下可能会发生这种情况），则可以使用以下选项指定填充：

fig.tight_layout(pad=0., w_pad=0.3, h_pad=1.0)

其中，

pad

是一般填充，

w\u-pad

是水平填充，

h\u-pad

是垂直填充。只要尝试一些值，直到您的绘图看起来很好

（pad=0，w_-pad=0.3，h_-pad=0.3）

是一个很好的开始，如果您想让绘图尽可能紧凑

另一种可能是在图中指定

constrated\u layout=True

：

fig = plt.figure(figsize=(16, 15), constrained_layout=True)

现在您可以删除线

fig.tight_layout（）

---

编辑：
我还发现了一件事：
您似乎在指定您的

figsize

，以便将其安装在标准DIN A4纸张上，尺寸为厘米（典型文本宽度：16cm）。但是matplotlib中的

figsize

以英寸为单位。因此，用

figsize=（16/2.54,15/2.54）

替换figsize可能更好

---

我知道matplotlib内部使用英寸作为单位是绝对令人困惑的，因为它主要是科学界和数据工程师使用matplotlib（这些通常使用SI单位）。正如芬格内斯特所指出的，关于如何实现除英寸以外的其他单位，还有一些讨论正在进行。

尝试在完成所有绘图后，即在

plt.show（）

之前，将

紧密布局（）移动到，它只会导致许多需要深思熟虑的问题，以至于直到现在还没有人能够形成一个清晰的概念。最新的讨论非常重要。好的，很抱歉我的误解。我还想说清楚，我真的很喜欢matplotlib，我更喜欢它，而不是所有其他模块。所以，一旦你习惯了，这只是一个小小的缺点。此外，我了解到，在许多情况下，这是处理打印机、显示器等DPI最直接的方法。谢谢。另外，我在jupyter笔记本上做这个，所以不需要打印。但这是一个需要注意的好注意事项