保存绘图用于报告和演示文稿

制作信息丰富的数据可视化是数据分析的重要组成部分，但它们的价值远不止于通常生成它们的交互式环境。为了分享您的成果，在报告中包含图形，或将它们嵌入 (embedding)演示文稿中，您需要将绘图保存到持久文件中。Matplotlib 提供简单的方法将图形导出为适合不同用途的多种格式。

使用 savefig 保存图形

Matplotlib 中保存绘图的主要函数是 plt.savefig()（在使用有状态的 pyplot API 时）或 figure.savefig()（在直接处理 Figure 对象时）。它最基本的用法只需要一个文件名，包括所需的文件扩展名，Matplotlib 通常会根据该扩展名推断输出格式。

假设您已经创建了一个绘图，例如一个简单的折线图：

import matplotlib.pyplot as plt
import numpy as np

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

# 创建绘图
fig, ax = plt.subplots()
ax.plot(x, y)
ax.set_title("Simple Sine Wave")
ax.set_xlabel("X-axis")
ax.set_ylabel("Y-axis")

# 将绘图保存到文件
# 使用 Figure 对象的方法（推荐）
fig.savefig("sine_wave_plot.png")

# 另外，也可以使用 pyplot 的有状态接口（如果未捕获 fig/ax）
# plt.savefig("sine_wave_plot.png")

# 如果不再需要，保存后关闭绘图是好习惯
plt.close(fig)

此代码片段生成一个简单的正弦波绘图，并将其保存为名为 sine_wave_plot.png 的 PNG 文件，存储在当前工作目录中。

选择合适的文件格式

Matplotlib 支持多种文件格式。选择何种格式取决于您打算如何使用保存的绘图：

• PNG (Portable Network Graphics)： 一种栅格格式，非常适合网页使用和对可伸缩性要求不高的文档。它使用无损压缩并支持透明度。是在线显示清晰图形的良好默认选择。
• JPG/JPEG (Joint Photographic Experts Group)： 另一种栅格格式，但它使用有损压缩。这会生成较小的文件大小，特别是对于照片图像，但可能会在线条图或文本中引入伪影。通常不推荐用于科学绘图，除非文件大小是重要限制。不支持透明度。
• PDF (Portable Document Format)： 一种矢量格式（通常如此，除非它嵌入 (embedding)栅格图像）。保存为 PDF 的绘图可以无损缩放，非常适合包含在用于打印或高分辨率查看的文档中。PDF 绘图中的文本通常保持可搜索和可选择。
• SVG (Scalable Vector Graphics)： 一种基于 XML 的矢量格式。与 PDF 类似，SVG 图像可以无损缩放，并且非常适合网页使用（受现代浏览器支持）以及在矢量图形软件（如 Inkscape 或 Adobe Illustrator）中编辑。
• EPS (Encapsulated PostScript)： 一种在学术出版（特别是 LaTeX 工作流程）中曾普遍使用的矢量格式。现在普遍使用不如 PDF 或 SVG 常见。

要保存为不同格式，只需更改文件名中的文件扩展名：

# 保存为 PDF
fig.savefig("sine_wave_plot.pdf")

# 保存为 SVG
fig.savefig("sine_wave_plot.svg")

自定义保存输出

savefig 函数提供多个参数 (parameter)来控制输出：

• dpi (每英寸点数)： 控制栅格格式（如 PNG、JPG）的分辨率。更高的 DPI 意味着更高的分辨率和更大的文件大小。默认值通常为 100，但对于打印质量，300 或 600 等值很常见。

  # 保存高分辨率 PNG
  fig.savefig("sine_wave_plot_high_res.png", dpi=300)
  

• format： 显式指定输出格式，如果需要，可覆盖文件名扩展名。

  # 显式指定 PDF 格式
  fig.savefig("sine_wave_output", format="pdf") # 保存为 sine_wave_output.pdf
  

• transparent： 如果设置为 True，绘图的背景（图形补丁，不包括坐标轴补丁，除非它们也设置为透明）将保存为透明。当将绘图叠加到其他内容上时，这对于 PNG 和 SVG 格式特别有用。

  fig.savefig("sine_wave_transparent.png", transparent=True)
  

• bbox_inches： 控制保存图形的边界框。设置 bbox_inches='tight' 非常有用，因为它会自动调整图形大小，只包含绘图元素（标题、标签、刻度、艺术元素），并去除图形周围多余的空白。

  # 保存时空白最少
  fig.savefig("sine_wave_tight.png", bbox_inches='tight')
  

• facecolor、edgecolor： 您可以指定保存图形的背景颜色，这可能与显示颜色不同。

  # 保存为浅灰色背景
  fig.savefig("sine_wave_gray_bg.png", facecolor='#e9ecef') # 使用浅灰色十六进制代码
  

保存 Seaborn 绘图

由于 Seaborn 函数通常基于 Matplotlib 对象（通常返回一个 Matplotlib Axes 对象），因此保存 Seaborn 绘图遵循相同的原则。如果 Seaborn 函数返回一个 Axes 对象，您可以访问其父 Figure 进行保存。对于返回 Seaborn FacetGrid 或类似对象的图形级函数，如 relplot、catplot、displot 或 pairplot，这些对象通常有一个指向底层 Matplotlib Figure 的 .figure 属性。

import seaborn as sns
import pandas as pd

# 示例数据
data = pd.DataFrame({'x': x, 'y': y})

# 创建一个 Seaborn 绘图（返回 Axes）
fig, ax = plt.subplots() # 首先创建图形和坐标轴
sns.lineplot(data=data, x='x', y='y', ax=ax)
ax.set_title("Seaborn Line Plot")

# 使用图形对象保存
fig.savefig("seaborn_lineplot.png", dpi=150, bbox_inches='tight')
plt.close(fig)


# 图形级函数示例（返回 FacetGrid）
iris = sns.load_dataset("iris")
g = sns.pairplot(iris, hue="species")

# 使用 FacetGrid 的 figure 属性保存
g.figure.savefig("seaborn_pairplot.pdf", bbox_inches='tight')
plt.close(g.figure) # 关闭底层图形

最佳实践

• 使用有意义的文件名： 为您保存的绘图选择描述性名称（例如，petal_length_vs_width_scatter.png 而不是 plot1.png）。
• 组织您的绘图： 将绘图保存到项目结构中专门的目录（例如，results/figures/）中。
• 文档优先选用矢量格式（PDF、SVG）： 确保可缩放性和高质量，特别是对于打印。
• 使用 bbox_inches='tight'： 它几乎总能通过最小化不必要的空白来改善外观。
• 考虑分辨率 (dpi)： 为预期用途选择合适的 DPI（例如，网页使用 72-100，打印使用 300+）。
• 保存后关闭绘图： 使用 plt.close(fig) 或 plt.close('all') 来释放内存，尤其是在脚本中生成大量绘图时。

有效地保存您的可视化内容可确保从 Matplotlib 和 Seaborn 中获得的见解能够得以保留、分享，并融入到您的机器学习 (machine learning)项目和报告的更广阔背景中。