将图表保存到文件（PNG、JPG、PDF、SVG）

保存可视化内容到文件是为报告、演示文稿、网页或电子邮件等用途准备它们的重要一步。Matplotlib 提供了一种直接的方法，可以将图表存储为各种格式的文件。

使用 savefig 保存图表

Matplotlib 中保存图表的主要函数是 savefig()。无论您是使用基于状态的接口（pyplot 或 plt）还是面向对象的方法（直接使用 Figure 和 Axes 对象），其方法都类似。

如果您一直在使用 pyplot 命令，例如 plt.plot() 和 plt.title()，则可以使用 plt.savefig() 保存当前图表：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
plt.plot(x, y, label='正弦波')
plt.title('简单正弦波')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.legend()

# 将图表保存为PNG文件
plt.savefig('sine_wave_plot.png')

# 可选：显示图表（通常在保存后进行）
# plt.show()

如果您明确创建了 Figure 对象（通常命名为 fig），则可以使用该图表自身的 savefig() 方法：

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 使用面向对象方法创建图表和轴
fig, ax = plt.subplots()

# 在轴上绘图
ax.plot(x, y, label='正弦波')
ax.set_title('简单正弦波（面向对象）')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.legend()

# 使用图表对象的方法保存图表
fig.savefig('sine_wave_plot_oo.png')

# 可选：显示图表
# plt.show()

在这两种情况下，savefig() 的主要参数都是所需文件名，包括文件扩展名。Matplotlib 会智能地使用此扩展名来确定输出格式。

常见文件格式

Matplotlib 支持多种文件格式。以下是一些最常用的格式：

1. PNG（便携式网络图形）： 一种栅格格式，意味着图像存储为像素网格。PNG 使用无损压缩，完美保留图像质量。它还支持透明度，非常适合网页图形和叠加。文件扩展名：.png。
2. JPG/JPEG（联合图像专家组）： 另一种栅格格式，常用于照片。JPG 使用有损压缩，这意味着为实现更小的文件大小，一些图像数据会被丢弃。这可能导致伪影，尤其是在处理锐利的线条或文本时。它不支持透明度。文件扩展名：.jpg 或 .jpeg。
3. PDF（便携式文档格式）： 一种（主要）矢量格式。矢量图形使用数学路径、线条和形状定义图像，而非像素。这意味着它们可以无限缩放而不会损失质量或出现像素化。PDF 非常适合用于打印或高分辨率显示的文档。文件扩展名：.pdf。
4. SVG（可伸缩矢量图形）： 一种基于 XML 的矢量格式。与 PDF 类似，SVG 图像可伸缩且不损失质量。它们特别适合网页使用，因为可以通过代码（CSS、JavaScript）进行操作，并且通常比用于图表的高分辨率栅格图像文件更小。文件扩展名：.svg。

栅格（PNG、JPG）和矢量（PDF、SVG）格式之间的选择取决于您打算如何使用该图表。我们将在下一节中更仔细地查看这个选择。目前，您只需知道，保存为这些格式中的任何一种，都像更改 savefig() 命令中的文件扩展名一样简单。

# 保存为不同格式
fig.savefig('sine_wave_plot.jpg')
fig.savefig('sine_wave_plot.pdf')
fig.savefig('sine_wave_plot.svg')

自定义保存输出

savefig() 函数提供多个参数来控制输出：

• dpi (每英寸点数)：此参数与栅格格式（如 PNG 和 JPG）相关。它决定了保存图像的分辨率。DPI 值越高，图像质量越高，但文件大小也越大。常见值为 100、300 或 600。默认值通常由 Matplotlib 的配置（例如 figure.dpi）控制。

  # 保存更高分辨率的PNG
  fig.savefig('sine_wave_plot_high_res.png', dpi=300)
  

• bbox_inches='tight': 这是一个非常有用的选项。它尝试自动调整保存图表的边界框，以最小化图表元素（标题、标签、绘图区域）周围的空白区域。

  # 保存为最小化空白区域的图表
  fig.savefig('sine_wave_plot_tight.png', bbox_inches='tight')
  

• transparent=True: 如果保存到支持透明度的格式（如 PNG 或 SVG），将其设置为 True 将使图表背景透明，而不是默认的白色（或设置为其他前景色）。这在将图表叠加到其他背景上时很有用。

  # 保存为透明背景的图表
  fig.savefig('sine_wave_plot_transparent.png', transparent=True)
  

• facecolor 和 edgecolor：您可以在保存时指定图表的背景颜色。

  # 保存为浅灰色背景的图表
  fig.savefig('sine_wave_plot_gray_bg.png', facecolor='#dee2e6')
  

重要提示：savefig() 与 show()

通常建议在调用 plt.show() 之前调用 savefig()。在某些环境或后端中，plt.show() 可能会显示图表然后清除图表对象，这意味着随后的 savefig() 调用可能导致空白图像。典型的工作流程是：

1. 创建图表元素。
2. 自定义图表（标题、标签等）。
3. 调用 savefig() 将图表保存到文件。
4. 调用 plt.show() 以交互方式显示图表（如果需要）。

通过熟练掌握 savefig()，您能够将精心制作的 Matplotlib 和 Seaborn 可视化内容从开发环境中取出，并有效地整合到最终报告、论文或演示文稿中。