Fonction figure() de Matplotlib


Matplotlib 参考文档Documentation de référence de Matplotlib

figure()Utilisé pour créer une nouvelle Figure (canevas) ou activer une Figure existante.

Figure est le conteneur de niveau supérieur pour tous les tracés, gérant la taille, le DPI et tous les sous-graphiques de l'ensemble du graphique.

Définition de fonction

matplotlib.pyplot.figure(num=None, figsize=None, dpi=None, *,
    facecolor=None, edgecolor=None, frameon=True,
    FigureClass=<class 'matplotlib.figure.Figure'>,
    clear=False, layout=None, **kwargs)

Description du paramètre

ParamètreTypeDescription
numint ou strIdentifiant de Figure. Les entiers sont des nombres, les chaînes sont des libellés. S'il n'existe pas, un nouveau est créé ; s'il existe, celui existant est activé.
figsizetuple (w, h)Taille de la Figure (en pouces), par ex. (8, 6). La valeur par défaut est déterminée par rcParams.
dpifloatRésolution (points par pouce), par ex. 100. Affecte la taille en pixels de la sortie.
facecolorcolorCouleur d'arrière-plan de la figure
edgecolorcolorCouleur de bord de la figure
frameonboolS'il faut afficher le cadre d'arrière-plan de la Figure, par défaut True
clearboolSi num existe déjà, indique s'il faut d'abord l'effacer avant de l'utiliser
layoutstr ou LayoutEngineRecommandéMoteur de mise en page : 'constrained', 'compressed', 'tight', 'none'

Rarement appelé directement dans l'usage quotidien,figure()plus courammentsubplots()crée la Figure et les Axes en un seul appel. Utiliser figure() seul est principalement destiné aux scénarios multi-Figure ou aux propriétés de canevas personnalisées.


Exemples d'utilisation

Exemple 1 : Création d'une Figure avec une taille personnalisée

Exemple

import matplotlib.pyplot as plt
import numpy as np

# Créer une Figure avec une taille spécifiée et un DPI élevé
fig = plt.figure(figsize=(10, 4), dpi=100,
                 facecolor='#f8f9fa',
                 layout='constrained')

# Ajouter manuellement des sous-graphes
ax1 = fig.add_subplot(1, 2, 1)
ax2 = fig.add_subplot(1, 2, 2)

x = np.linspace(0, 10, 100)
ax1.plot(x, np.sin(x), 'steelblue', linewidth=2)
ax1.set_title('Graphique 1')

ax2.plot(x, np.cos(x), 'coral', linewidth=2)
ax2.set_title('Graphique 2')

plt.show()

Exemple 2 : Gestion de plusieurs figures

Exemple

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 100)

# Créer la figure #1
fig1 = plt.figure(1, figsize=(6, 4))
ax1 = fig1.subplots()
ax1.plot(x, np.sin(x), 'blue')
ax1.set_title('Figure 1 : sin(x)')

# Créer la figure #2
fig2 = plt.figure(2, figsize=(6, 4))
ax2 = fig2.subplots()
ax2.plot(x, np.cos(x), 'red')
ax2.set_title('Figure 2 : cos(x)')

# Activer la figure #1 et continuer à travailler
plt.figure(1)
plt.plot(x, np.sin(2*x), '--', alpha=0.5)

# Enregistrer une figure spécifique
fig1.savefig('example_fig1.png', dpi=150)
fig2.savefig('example_fig2.png', dpi=150)
print("exemple : deux figures enregistrées")

plt.show()

Exemple 3 : disposition automatique avec le paramètre layout

Exemple

import matplotlib.pyplot as plt
import numpy as np

# Comparer les paramètres de layout

# Sans utiliser layout (les étiquettes peuvent se chevaucher)
fig1 = plt.figure(1, figsize=(8, 4))
for i in range(3):
    ax = fig1.add_subplot(1, 3, i+1)
    ax.plot(np.random.randn(50).cumsum())
    ax.set_title(f'Tracé {i+1}')
    ax.set_xlabel('Une étiquette x très longue')

# Utiliser layout='constrained' (gère automatiquement les chevauchements)
fig2 = plt.figure(2, figsize=(8, 4), layout='constrained')
for i in range(3):
    ax = fig2.add_subplot(1, 3, i+1)
    ax.plot(np.random.randn(50).cumsum())
    ax.set_title(f'Tracé {i+1}')
    ax.set_xlabel('Une étiquette x très longue')

plt.figure(1)
plt.suptitle('Sans layout', y=1.02)
plt.figure(2)
plt.suptitle('Avec layout="constrained"', y=1.02)
plt.show()
print("exemple : comparer les paramètres de layout")

FAQ

Quelle est l'unité de figsize ?

Pouces. Taille réelle en pixels = figsize × dpi. Par exemplefigsize=(8,6), dpi=100génère une image de 800×600 pixels.

Quelle option de disposition est la meilleure ?

'constrained'est l'option recommandée pour la plupart des scénarios, gérant automatiquement l'espacement des sous-graphiques et des étiquettes.

'compressed'compresse davantage les marges, adaptée aux scénarios qui doivent maximiser la zone de données.

'none'n'utilise pas la disposition automatique (par défaut), et peut être ajustée manuellement via subplots_adjust().


Matplotlib 参考文档Documentation de référence de Matplotlib

Autres extensions