前言
Matplotlib 可以将任何图形渲染为各种常见的文件格式，如 PNG、EPS、SVG 和 PDF。默认情况下，图形显示时带有简约的用户界面，可以通过保存按钮将图形保存到文件中。但是，如果需要生成大量的图形，这种方法并不方便，因此我们需要使用函数自动化保存生成的图形文件。在本文中，我们将探讨 Matplotlib 的文件输出功能。除了以编程方式生成文件输出外，我们还将学习如何控制输出的分辨率和大小以及透明度等。
生成PNG图片文件
实际使用场景下，我们可能希望获取程序运行过程中数据的情况，同时并不想打断程序的执行，而希望为每个运行步骤自动生成保存一张图片。Matplotlib 可以灵活的将图形直接保存到图片文件中。
首先，我们将学习如何将图形输出到 PNG 文件。PNG 文件是位图输出的理想选择，它依赖于无损压缩算法，并可以处理透明度。
import numpy as np from matplotlib import pyplot as plt x = np.linspace(-6, 6, 1024) y = np.sinc(x) plt.plot(x, y) plt.savefig('sinc.png', c = 'c')
Tips：要保存图片，只需使用 plt.savefig() 调用替换 plt.show() 调用，此时将不会弹出查看图形窗口。函数 plt.savefig() 的工作原理与 plt.show() 完全相同——解释 plt 命令并生成图形，区别在于处理结束时所做的操作。show() 函数将图片数据发送到用户界面库以进行展示，而 savefig() 函数将图片数据写入文件。
同时 savefig() 函数提供了多种可选参数，让我们继续前进，开始探索吧。
控制透明度
当图形是网站或演示文稿的一部分时，图形之间可能需要叠加显示，透明度对于这样的整合是很重要的，图形必须以一种美学上令人愉悦和一致的方式与背景融为一体。
为了演示透明性，将创建一个图形并将其嵌入到网页中，与网页背景融为一体。
使用透明背景将图形渲染为PNG文件
为了将图形渲染为透明背景的 PNG 文件，需要使用 plt.savefig()，并将可选参数 transparent 设置为 True：
import numpy as np from matplotlib import pyplot as plt x = np.linspace(-6, 6, 1024) y = np.sinc(x) plt.plot(x, y) plt.savefig('sinc_1.png', c = 'c', transparent=True)
制作包含图形的HTML页面
在包含背景的网页上使用上一步骤中保存的 PNG 文件(网页背景图片 background.jpg 请替换为目录中存在的文件)：
<html> <head> <style> body { background: white url(background.jpg); } </style> </head> <body> <img src='sinc_1.png' width='800 height='600'></img> </body> </html>
默认情况下，plt.savefig() 不会在输出中包含透明度信息。例如，当我们输出 PNG 图片时，PNG 文件默认每像素 24bit，每个 8bit 的通道仅存储像素的红色、绿色和蓝色分量。但是，当启用透明输出时，plt.savefig() 保存的文件每像素 32bit，附加的 alpha 通道存储透明度信息。
作为对比，如果我们使用不包含 alpha 通道的 sinc.png：
<html> <head> <style> body { background: white url(background.jpg); } </style> </head> <body> <img src='sinc.png' width='800 height='600'></img> </body> </html>
通过系列文章的学习，我们知道可以通过在绘图函数中(如 plt.plot、plt.scatter、pltpie 等)使用可选参数 alpha 控制 Matplotlib 生成的不同透明度级别的图形。如果 alpha 等于 1，则图形将完全不透明，这是默认设置；如果 alpha 等于 0，图形将完全不可见。
import numpy as np import matplotlib.pyplot as plt name_list = ('Omar', 'Serguey', 'Max', 'Zhou', 'Abidin') value_list = np.random.randint(99, size=len(name_list)) pos_list = np.arange(len(name_list)) plt.bar(pos_list, value_list, alpha = .75, color = 'c', align = 'center') plt.xticks(pos_list, name_list) plt.savefig('bar.png', transparent = True)
在HTML页面中进行显示：
<html> <head> <style> body { background: white url(background.jpg); } </style> </head> <body> <img src='bar.png' width='800 height='600'></img> </body> </html>
控制输出分辨率
默认情况下，使用位图图片的输出时，Matplotlib 自动调节输出的大小和分辨率。根据位图图片的用途，我们也可以自己选择分辨率。例如，如果图片是一张大海报的一部分，可能需要高分辨率，如果想生成缩略图，那么需要较低分辨率。
plt.savefig() 函数提供可选参数 dpi 控制输出分辨率：
import numpy as np import matplotlib.pyplot as plt name_list = ('Omar', 'Serguey', 'Max', 'Zhou', 'Abidin') value_list = np.random.randint(99, size=len(name_list)) pos_list = np.arange(len(name_list)) plt.bar(pos_list, value_list, alpha = .25, color = 'c', align = 'center') plt.xticks(pos_list, name_list) plt.savefig('bar_1.png', dpi = 300)
Tips：savefig() 函数的可选参数 dpi 控制以 DPI (每英寸点数)表示的图片分辨率。默认情况下，Matplotlib 将输出 8 x 6 空间单位的图形，即 4/3 的纵横比。在 matplotlib 中，1 个空间单位等于 100 像素。因此，默认情况下，Matplotlib 提供 800 x 600 像素的图片文件。如果我们使用 dpi=300，图片大小为 8*300 x 6*300，即 2400 x 1800 像素。
我们已经学习了如何控制图形的纵横比，如果将纵横比和 DPI 结合起来，就可以完全控制图片的总体比例。例如，在 512 x 512 像素的图片中显示六边形。
import numpy as np import matplotlib.pyplot as plt theta = np.linspace(0, 2 * np.pi, 8) points = np.vstack((np.cos(theta), np.sin(theta))).transpose() plt.figure(figsize=(4., 4.)) plt.gca().add_patch(plt.Polygon(points, color = 'c')) plt.grid(True) plt.axis('scaled') plt.savefig('polygon.png', dpi = 128)
上例中在 4 x 4 单位面积上显示图形，并以 128 dpi 的分辨率输出，输出将为 512 x 512 像素。我们还可以在 8 x 8 单位面积显示 512 像素，但是要将分辨率变为 64 dpi：
import numpy as np import matplotlib.pyplot as plt theta = np.linspace(0, 2 * np.pi, 8) points = np.vstack((np.cos(theta), np.sin(theta))).transpose() plt.figure(figsize=(8., 8.)) plt.gca().add_patch(plt.Polygon(points, color = 'c')) plt.grid(True) plt.axis('scaled') plt.savefig('polygon_1.png', dpi = 64)
Tips：图中注释更小，网格线更细，这是由于注释和线条的粗细都有自己的默认值，它们以空间单位表示。因此，将输出分辨率除以 2 将使注释变小两倍。
生成PDF或SVG文档
位图图片将图片表示为一个给定比例的像素数组。放大后，将看到一些众所周知的瑕疵(锯齿、像素块、模糊等)。而矢量图像具有尺度不变性，无论以何种比例观察它们，都不会导致细节丢失。因此有时，我们需要矢量图片，Matplotlib 可以输出 PDF、SVG 等矢量图片。
import numpy as np from matplotlib import pyplot as plt x = np.linspace(-10, 10, 1024) y = np.sinc(x) plt.plot(x, y) plt.savefig('sinc.pdf')
Tips：调用 plt.savefig() 时，其中通过传递文件名来指定文件是 PNG、PDF 还是 SVG，Matplotlib 将通过文件名的扩展名来推断文件类型。
在某些情况下，我们可能不希望显式的声明文件的扩展名，我们可以通过 plt.savefig 的可选参数 format 来达到目标，例如通过设置 format='svg'，plt.savefig 则不会从传递给函数的文件名推断输出文件类型，而是通过传递给格式的名称。