《15节课Python绘图从入门到精通》1——图纸设定实操

# 前置安装代码，首次使用必执行，已安装可跳过
# 安装Matplotlib，负责所有画布与图形绘制
# 安装NumPy，辅助完成数值计算与参数换算
pip install matplotlib numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
# 注释：选用清华镜像源提升安装速度，规避默认源卡顿问题
# 安装失败可直接删除镜像链接，用默认源重试

# 导入核心库，Matplotlib的pyplot模块简写为plt，是行业通用写法
import matplotlib.pyplot as plt
# 导入NumPy，提前导入避免后续重复操作
import numpy as np

# 创建空白画布，figsize参数指定尺寸，单位固定为英寸
# fig代表整体画布对象，后续所有绘图操作都依托该对象
# ax代表坐标轴对象，负责控制坐标轴、刻度等细节
fig, ax = plt.subplots(figsize=(3.5, 2.5))

# 隐藏全部坐标轴，空白画布无需显示刻度与边框，符合期刊规范
ax.axis('off')

# 本地查看画布效果，公众号推文可省略此步，直接导出文件
plt.show()

# 导出矢量PDF格式，适配期刊投稿，300dpi是学术投稿最低分辨率要求
# bbox_inches设置为tight，自动裁剪多余空白，避免导出后留白过大
# pad_inches保留微量边缘留白，防止图像边缘被截断
fig.savefig('单栏标准空白图.pdf', dpi=300, bbox_inches='tight', pad_inches=0.05)
# 同步导出PNG格式，适配公众号推文、PPT展示，兼顾不同使用场景
fig.savefig('单栏标准空白图.png', dpi=300, bbox_inches='tight', pad_inches=0.05)

import matplotlib.pyplot as plt
import numpy as np

# 定义尺寸转换函数，输入厘米数值，输出英寸数值，后续可直接复用
defcm_to_inch(cm):
return cm / 2.54

# 场景一，适配期刊标准，8.9厘米宽、6.35厘米高，对应3.5×2.5英寸
width_cm = 8.9
height_cm = 6.35
width_inch = cm_to_inch(width_cm)
height_inch = cm_to_inch(height_cm)
# 控制台打印换算结果，方便核对尺寸准确性
print(f"转换后尺寸：宽{width_inch:.2f}英寸，高{height_inch:.2f}英寸")

# 基于换算后的英寸尺寸创建画布
fig, ax = plt.subplots(figsize=(width_inch, height_inch))
ax.axis('off')

# 场景二，自定义尺寸，10厘米宽、8厘米高，适配公众号封面、非标准期刊绘图
width_cm2 = 10
height_cm2 = 8
fig2, ax2 = plt.subplots(figsize=(cm_to_inch(width_cm2), cm_to_inch(height_cm2)))
ax2.axis('off')

# 同时显示两个画布，直观对比尺寸差异
plt.show()

# 分类导出，单独命名避免文件覆盖
fig.savefig('标准尺寸空白图（厘米转换）.pdf', dpi=300, bbox_inches='tight')
fig2.savefig('自定义尺寸空白图（10cm×8cm）.png', dpi=300, bbox_inches='tight')

import matplotlib.pyplot as plt
import numpy as np

# 固定基础尺寸，3.5×2.5英寸
figsize = (3.5, 2.5)

# 纯色背景，选用浅灰色，适配公众号浅色推文，缓解纯白背景的刺眼感
fig1, ax1 = plt.subplots(figsize=figsize)
ax1.axis('off')
# 通过facecolor参数设置背景，支持颜色名称、十六进制色码、RGB值
fig1.patch.set_facecolor('#F5F5F5')

# 透明背景，适配期刊封面、多图拼接，避免背景色干扰其他元素
fig2, ax2 = plt.subplots(figsize=figsize)
ax2.axis('off')
fig2.patch.set_facecolor('none')
# 导出时必须开启transparent参数，否则透明背景会自动转为白色
fig2.savefig('透明背景空白图.pdf', dpi=300, bbox_inches='tight', transparent=True)

# 渐变背景，适配公众号封面、个性化展示，做浅蓝到白色的线性渐变
fig3, ax3 = plt.subplots(figsize=figsize)
ax3.axis('off')
# 生成100个网格点，保证渐变过渡平滑，无断层感
x = np.linspace(0, 1, 100)
y = np.linspace(0, 1, 100)
X, Y = np.meshgrid(x, y)
# 构建RGB渐变矩阵，控制色彩从左至右平滑过渡
gradient = np.dstack((X, Y, np.ones_like(X)))
gradient[:, :, 0] = 0.537 + 0.463 * X
gradient[:, :, 1] = 0.808 + 0.192 * X
gradient[:, :, 2] = 0.922 + 0.078 * X
# 让渐变覆盖整个画布，无边缘留白
ax3.imshow(gradient, extent=[0, 1, 0, 1], aspect='auto')

# 一次性显示三个画布，对比不同背景效果
plt.show()

# 分类导出文件，做好命名区分
fig1.savefig('浅灰色背景空白图.png', dpi=300, bbox_inches='tight')
fig3.savefig('渐变背景空白图.png', dpi=300, bbox_inches='tight')

浅灰色背景视觉柔和，手机端阅读更舒适，不会影响后续图形与文字的清晰度。

透明背景导出后，嵌入Word、期刊排版软件时，会自动适配文档底色，无白色边框干扰，适合多图拼接场景。

渐变背景色彩过渡平滑，视觉层次更丰富，可按需调整渐变方向与色彩，改成竖向渐变或其他色系。

设置背景时要注意，针对整体画布用fig.patch.set_facecolor，针对坐标轴内部用ax.patch.set_facecolor，两者适用场景不同，混用会导致背景只覆盖局部区域。

进阶版3：异常尺寸处理（提升代码鲁棒性，规避报错）

新手输入尺寸时，常出现输入字符串、负数、零值等错误，导致代码直接崩溃。本节封装带异常捕获的画布创建函数，遇到错误输入时给出清晰提示，不中断程序运行，帮新手快速排查问题，这套函数可全程复用。

import matplotlib.pyplot as plt
import numpy as np

# 定义带异常处理的画布创建函数，通用复用性强
defcreate_blank_fig(width, height):
# 捕获非数值输入错误，比如字符串、列表类型
ifnot isinstance(width, (int, float)) ornot isinstance(height, (int, float)):
        print("错误：尺寸需为整数或浮点数，禁止输入字符串、列表等格式")
returnNone
# 捕获负数、零值输入错误，尺寸必须为正数值
if width <= 0or height <= 0:
        print(f"错误：尺寸需为正数，当前宽{width}、高{height}不达标，请重新输入")
returnNone
# 无异常则正常创建画布
    fig, ax = plt.subplots(figsize=(width, height))
    ax.axis('off')
return fig, ax

# 测试三类异常场景
# 输入字符串类型宽度
fig_error1, ax_error1 = create_blank_fig("3.5", 2.5)
# 输入负数宽度
fig_error2, ax_error2 = create_blank_fig(-3.5, 2.5)
# 输入零值高度
fig_error3, ax_error3 = create_blank_fig(3.5, 0)
# 正常尺寸输入，作为对照
fig_normal, ax_normal = create_blank_fig(3.5, 2.5)

# 仅显示正常尺寸画布，异常场景不生成画布
if fig_normal isnotNone:
    plt.show()
    fig_normal.savefig('正常尺寸空白图（带异常处理）.pdf', dpi=300, bbox_inches='tight')

代码运行后，控制台会依次弹出三条错误提示，对应非数值、负数、零值三类常见错误，异常场景不会生成画布，也不会导致程序中断。

新手可根据提示快速修改参数，不影响正常流程推进。正常尺寸的画布生成与导出效果，和基础版完全一致，异常处理代码不干扰核心功能。后续所有绘图任务，都可调用这个函数，养成规范编码习惯，减少基础报错。

实操任务2：创建2行2列子图，精细调整子图间距、边框留白与整体布局

学术绘图常需要多子图拼接展示多组数据，2行2列是最常用的布局形式。本节覆盖基础子图创建、间距调整、边框留白设置、非对称布局适配、共享坐标轴五大场景，针对性解决子图拥挤、标签重叠、布局混乱等新手高频问题。

 基础版：标准2×2子图创建（新手必学）

import matplotlib.pyplot as plt
import numpy as np

# ========== 中文字体设置（关键修改） ==========
plt.rcParams['font.sans-serif'] = ['SimHei']        # 使用黑体（Windows 自带）
# plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 备选：微软雅黑
# plt.rcParams['font.sans-serif'] = ['Songti SC']        # macOS 宋体
plt.rcParams['axes.unicode_minus'] = False# 解决负号 '-' 显示为方块的问题
# ==========================================

# 创建2行2列子图，整体画布尺寸设为8×10英寸，避免子图拥挤
# sharex与sharey默认关闭，子图独立显示坐标轴，适合新手入门
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8, 10), sharex=False, sharey=False, squeeze=True)

# 子图索引遵循从上到下、从左到右的顺序，行索引、列索引均从0开始
# 依次为四个子图添加简易标题，方便区分
axes[0, 0].set_title('子图1（0,0）')
axes[0, 1].set_title('子图2（0,1）')
axes[1, 0].set_title('子图3（1,0）')
axes[1, 1].set_title('子图4（1,1）')

# 循环为所有子图添加基础坐标轴标签，模拟实际绘图场景
for i in range(2):
for j in range(2):
        axes[i, j].set_xlabel('X轴')
        axes[i, j].set_ylabel('Y轴')

# 本地查看布局效果
plt.show()

# 导出子图，适配期刊与公众号使用
fig.savefig('基础2×2子图.png', dpi=300, bbox_inches='tight', pad_inches=0.1)

运行后生成8×10英寸画布，四个子图均匀排布，标题与坐标轴标签清晰，无明显拥挤感。

子图索引规则简单易记，后续修改单个子图样式时，直接对应行列索引即可，不易混淆。整体画布高度设为10英寸，刚好适配2行子图，高度过低会直接导致标题、标签重叠，新手需注意整体尺寸与子图数量的匹配度。

进阶版1：子图间距精细调整（解决拥挤重叠问题）

默认子图间距较窄，遇到长标题、长标签时，容易出现文字重叠。本节通过水平间距、垂直间距两个核心参数，实现紧凑、宽松、自适应三种布局模式，适配不同内容长度。

import matplotlib.pyplot as plt
import numpy as np


# ========== 中文字体设置（关键修改） ==========
plt.rcParams['font.sans-serif'] = ['SimHei']        # 使用黑体（Windows 自带）
# plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 备选：微软雅黑
# plt.rcParams['font.sans-serif'] = ['Songti SC']        # macOS 宋体
plt.rcParams['axes.unicode_minus'] = False# 解决负号 '-' 显示为方块的问题
# ==========================================

# 基础布局参数与基础版保持一致
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(3.5, 5), sharex=False, sharey=False)

# 模拟长标题、长标签场景，测试间距调整效果，适当缩小字体适配子图
axes[0, 0].set_title('子图1：实验对照组数据分布', fontsize=8)
axes[0, 1].set_title('子图2：实验处理组1数据分布', fontsize=8)
axes[1, 0].set_title('子图3：实验处理组2数据分布', fontsize=8)
axes[1, 1].set_title('子图4：三组数据对比分析', fontsize=8)

# 循环添加长坐标轴标签，同步缩小刻度字体
for i in range(2):
for j in range(2):
        axes[i, j].set_xlabel('实验指标（单位：mg/L）', fontsize=7)
        axes[i, j].set_ylabel('数据值（单位：μg）', fontsize=7)
        axes[i, j].tick_params(labelsize=6)

# 核心间距调整，用plt.subplots_adjust控制，灵活度高
# wspace代表水平间距，hspace代表垂直间距，数值越大间距越宽
# 紧凑布局，节省画布空间，适合内容简洁的场景
plt.subplots_adjust(wspace=0.2, hspace=0.3)

# 宽松布局，拉大间距，避免长文本重叠，取消注释即可切换
# plt.subplots_adjust(wspace=0.4, hspace=0.5)

# 自适应布局，系统自动匹配内容调整间距，新手优先选用
# plt.tight_layout()

# 显示并导出
plt.show()
fig.savefig('调整间距的2×2子图.png', dpi=300, bbox_inches='tight', pad_inches=0.1)

紧凑布局下，子图间距适中，长标题与标签无重叠，兼顾清晰度与空间利用率，适合期刊排版。宽松布局拉大横竖间距，彻底避免文字重叠，适合内容复杂的场景，但会占用更多画布空间，可适当放大整体画布尺寸配合。自适应布局无需手动调参，系统自动优化间距，新手入门首选，缺点是精准度略低，需要精细化排版时，还是建议手动调整参数。长文本场景下，配合缩小字体，既能避开重叠，又能保证内容可读性，是学术绘图的常用技巧。

进阶版2：边框留白精细设置

默认画布四周留白偏大，导出后浪费页面空间，期刊排版要求精简留白，公众号则需要适中留白提升视觉舒适度。本节通过左、右、上、下四个留白参数，实现精简留白、宽松留白、自定义留白三种模式。

import matplotlib.pyplot as plt
import numpy as np


# ========== 中文字体设置（关键修改） ==========
plt.rcParams['font.sans-serif'] = ['SimHei']        # 使用黑体（Windows 自带）
# plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 备选：微软雅黑
# plt.rcParams['font.sans-serif'] = ['Songti SC']        # macOS 宋体
plt.rcParams['axes.unicode_minus'] = False# 解决负号 '-' 显示为方块的问题
# ==========================================

# 创建基础2×2子图
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(3.5, 5), sharex=False, sharey=False)

# 添加基础标题与标签
for i in range(2):
for j in range(2):
        axes[i, j].set_title(f'子图（{i},{j}）', fontsize=8)
        axes[i, j].set_xlabel('X轴', fontsize=7)
        axes[i, j].set_ylabel('Y轴', fontsize=7)

# 先调整子图内部间距，避免拥挤
plt.subplots_adjust(wspace=0.5, hspace=0.5)

# 核心留白调整，left、right、top、bottom分别控制四边留白比例
# 数值范围均为0到1，左留白小于右留白，下留白小于上留白，否则报错
# 精简留白，适配期刊，最大化利用画布空间
plt.subplots_adjust(left=0.12, right=0.95, top=0.92, bottom=0.1)

# 宽松留白
# plt.subplots_adjust(left=0.15, right=0.9, top=0.88, bottom=0.15)

# 自定义留白，左侧加大留白，预留全局图例位置
# plt.subplots_adjust(left=0.2, right=0.85, top=0.85, bottom=0.15)

# 显示导出
plt.show()
fig.savefig('精简留白2×2子图（期刊适配）.pdf', dpi=300, bbox_inches='tight')

执行结果如下：

精简留白模式下，四边留白大幅缩减，子图占据核心画布空间，符合期刊紧凑排版的要求，嵌入期刊页面无多余空白。宽松留白模式四周留白均匀。自定义留白可按需预留空间，比如左侧加大留白放置全局图例，无需每个子图重复添加图例，既节省空间又保持布局整齐。调参时牢记四边参数的数值关系，避免出现逻辑错误导致报错，新手可先沿用推荐参数，再根据实际需求微调。

进阶版3：非对称2×2子图布局

标准对称布局无法突出核心数据，实际场景常需要重点子图尺寸更大，实现主次分明的展示效果。本节通过GridSpec实现灵活非对称布局，也提供新手简化版方案，兼顾专业性与易用性。

import matplotlib.pyplot as plt
import numpy as np

# ========== 中文字体设置（关键修改） ==========
plt.rcParams['font.sans-serif'] = ['SimHei']        # 使用黑体（Windows 自带）
# plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 备选：微软雅黑
# plt.rcParams['font.sans-serif'] = ['Songti SC']        # macOS 宋体
plt.rcParams['axes.unicode_minus'] = False# 解决负号 '-' 显示为方块的问题
# ==========================================



# 专业方案，用GridSpec实现非对称布局，精准控制行列比例
# 先创建空白画布，不直接生成子图
fig = plt.figure(figsize=(8, 10))
# 定义2行2列网格，第一行高度设为第二行的1.5倍，突出重点
gs = fig.add_gridspec(nrows=2, ncols=2, width_ratios=[1, 1], height_ratios=[1.5, 1], hspace=0.3, wspace=0.2)

# 分配子图区域，第一行跨两列作为重点展示区，第二行均分两列
ax1 = fig.add_subplot(gs[0, :])
ax2 = fig.add_subplot(gs[1, 0])
ax3 = fig.add_subplot(gs[1, 1])

# 重点子图标题稍大，突出核心内容
ax1.set_title('重点展示：三组数据整体对比', fontsize=9)
ax1.set_xlabel('实验分组', fontsize=8)
ax1.set_ylabel('平均数据值', fontsize=8)

# 普通子图保持常规字号
ax2.set_title('子图2：对照组', fontsize=8)
ax2.set_xlabel('X轴', fontsize=7)
ax2.set_ylabel('Y轴', fontsize=7)

ax3.set_title('子图3：处理组', fontsize=8)
ax3.set_xlabel('X轴', fontsize=7)
ax3.set_ylabel('Y轴', fontsize=7)

# 调整整体留白
plt.subplots_adjust(left=0.12, right=0.95, top=0.92, bottom=0.1)


plt.show()
fig.savefig('非对称2×2子图.png', dpi=300, bbox_inches='tight')

执行结果如下：

GridSpec方案可精准控制行高列宽比例，重点子图占比更大，适合展示核心结论，普通子图补充细节，层次分明。这种布局适配学术论文整体结果加分项结果的展示逻辑。新手简化版操作更简单，通过删除合并子图快速实现非对称效果，缺点是无法精准控制比例，适合简单场景。非对称布局能有效提升信息传递效率，让读者快速抓住核心内容，避免多子图平铺导致的重点模糊。

进阶版4：子图共享坐标轴

多子图展示同类数据时，坐标轴指标与刻度范围一致，重复绘制会让布局杂乱。共享坐标轴可省略重复标签与刻度，让版面更简洁，同时保证数据对比的一致性。本节覆盖共享X轴、共享Y轴、共享双轴三种模式。

import matplotlib.pyplot as plt
import numpy as np

# ========== 中文字体设置（关键修改） ==========
plt.rcParams['font.sans-serif'] = ['SimHei']        # 使用黑体（Windows 自带）
# plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']  # 备选：微软雅黑
# plt.rcParams['font.sans-serif'] = ['Songti SC']        # macOS 宋体
plt.rcParams['axes.unicode_minus'] = False# 解决负号 '-' 显示为方块的问题
# ==========================================



# 共享X轴，所有子图X轴指标一致，仅下方子图显示X轴标签
fig1, axes1 = plt.subplots(nrows=2, ncols=2, figsize=(8, 10), sharex='all', sharey=False)
for i in range(2):
for j in range(2):
        axes1[i, j].set_title(f'子图（{i},{j}）', fontsize=8)
        axes1[i, j].set_ylabel(f'指标{i+j+1}（mg/L）', fontsize=7)
# 仅最下方两个子图保留X轴标签
axes1[1, 0].set_xlabel('时间（min）', fontsize=7)
axes1[1, 1].set_xlabel('时间（min）', fontsize=7)
plt.subplots_adjust(wspace=0.5, hspace=0.3, left=0.12, right=0.95, top=0.92, bottom=0.1)
plt.show()
fig1.savefig('共享X轴的2×2子图.png', dpi=300, bbox_inches='tight')

# 共享Y轴，所有子图Y轴指标一致，仅左侧子图显示Y轴标签
fig2, axes2 = plt.subplots(nrows=2, ncols=2, figsize=(8, 10), sharex=False, sharey='all')
for i in range(2):
for j in range(2):
        axes2[i, j].set_title(f'子图（{i},{j}）', fontsize=8)
        axes2[i, j].set_xlabel(f'指标{i+j+1}（μg）', fontsize=7)
# 仅最左侧两个子图保留Y轴标签
axes2[0, 0].set_ylabel('数值', fontsize=7)
axes2[1, 0].set_ylabel('数值', fontsize=7)
plt.subplots_adjust(wspace=0.5, hspace=0.3, left=0.12, right=0.95, top=0.92, bottom=0.1)
plt.show()
fig2.savefig('共享Y轴的2×2子图.png', dpi=300, bbox_inches='tight')

# 共享双轴，X轴Y轴全部统一，仅保留一组坐标轴标签
fig3, axes3 = plt.subplots(nrows=2, ncols=2, figsize=(8, 10), sharex='all', sharey='all')
for i in range(2):
for j in range(2):
        axes3[i, j].set_title(f'子图（{i},{j}）', fontsize=8)
# 仅最下方显示X轴标签，最左侧显示Y轴标签
axes3[1, 0].set_xlabel('时间（min）', fontsize=7)
axes3[0, 0].set_ylabel('数值（mg/L）', fontsize=7)
plt.subplots_adjust(wspace=0.5, hspace=0.3, left=0.12, right=0.95, top=0.92, bottom=0.1)
plt.show()
fig3.savefig('共享双轴的2×2子图.png', dpi=300, bbox_inches='tight')

共享X轴适合展示同一时间维度下的不同指标变化，省去重复的时间标签，版面更清爽。

共享Y轴适合展示同一数值维度下的不同分组对比，保证刻度统一，数据对比更直观。

共享双轴是最简洁的模式，适合多组同类数据横向对比，学术论文中应用最广泛。

共享坐标轴后，调整任意一个子图的刻度范围，其余子图会同步更新，无需逐个修改，既提升效率，又避免刻度不一致导致的对比误差。

实操任务3：全局设置绘图风格，锁定Times New Roman字体、线条粗细与坐标轴样式

学术期刊对绘图风格有严格规范，统一字体、线条、坐标轴样式，能有效提升审稿通过率。公众号绘图也需要风格统一，保证视觉连贯性。本节通过全局参数设置，实现一次配置全程复用，避开重复编写样式代码，同时适配Windows、Mac、Linux全系统。

基础版：全局字体设置（锁定Times New Roman，适配学术规范）

import matplotlib.pyplot as plt
import numpy as np

# 全局字体配置，通过rcParams参数实现，一次设置全程生效
plt.rcParams['font.family'] = 'Times New Roman'
# 全局默认字号设为8，适配子图尺寸，后续可单独微调
plt.rcParams['font.size'] = 8
# 关闭unicode_minus，解决负号显示异常的问题
plt.rcParams['axes.unicode_minus'] = False
# 如需添加中文，比如公众号推文，取消下方注释，实现中英字体分离
# plt.rcParams['font.sans-serif'] = ['SimHei', 'Times New Roman']

# 测试全局字体效果，创建共享双轴的2×2子图
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(3.5, 5), sharex='all', sharey='all')

# 循环添加英文标题与标签，验证全局字体生效
for i in range(2):
for j in range(2):
        axes[i, j].set_title(f'Group {i+j+1} Results', fontsize=9)
        axes[i, j].set_xlabel('Time (min)', fontsize=8)
        axes[i, j].set_ylabel('Concentration (mg/L)', fontsize=8)
        axes[i, j].tick_params(labelsize=7)

# 调整布局间距与留白
plt.subplots_adjust(wspace=0.2, hspace=0.3, left=0.12, right=0.95, top=0.92, bottom=0.1)
plt.show()
fig.savefig('全局Times New Roman字体子图.pdf', dpi=300, bbox_inches='tight')

执行结果如下：

Times New Roman是大多数学术期刊指定的英文字体，全局设置后，标题、坐标轴标签、刻度文字全部统一为该字体，符合期刊规范。代码运行后，所有文字样式一致，无字体错乱问题，负号显示正常，不会出现方块乱码。需要添加中文时，开启中英分离配置，中文用黑体，英文保留Times New Roman，兼顾双语展示需求。全局字体设置放在代码开头，后续所有绘图任务自动沿用，无需重复配置，大幅提升编码效率。

进阶版1：全局线条粗细与样式设置（统一绘图规范）

import matplotlib.pyplot as plt
import numpy as np

# 延续全局字体设置
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 8
plt.rcParams['axes.unicode_minus'] = False

# 全局线条配置，适配学术绘图规范
plt.rcParams['lines.linewidth'] = 0.8
plt.rcParams['axes.linewidth'] = 0.8
# 全局线条样式，默认实线，可按需改为虚线、点线
plt.rcParams['lines.linestyle'] = '-'
# 全局标记点大小，适配小尺寸子图
plt.rcParams['lines.markersize'] = 3

# 测试线条效果，绘制简易曲线
fig, ax = plt.subplots(figsize=(3.5, 2.5))
x = np.linspace(0, 10, 100)
y = np.sin(x)
ax.plot(x, y, label='Sin Curve')
ax.set_xlabel('X Axis')
ax.set_ylabel('Y Axis')
ax.legend(frameon=False, fontsize=7)
plt.tight_layout()
plt.show()
fig.savefig('全局线条样式测试图.pdf', dpi=300, bbox_inches='tight')

执行结果如下：

学术绘图要求线条粗细均匀，避免过粗或过细影响清晰度。全局设置线条宽度为0.8，坐标轴边框宽度同步匹配，整体视觉协调。标记点大小设为3，适配小尺寸画布，不会过大遮挡数据，也不会过小难以辨认。全局线条样式默认实线，满足常规绘图需求，需要特殊线条时，可单独修改单个图形样式，不影响全局规范。统一线条样式后，整套绘图作品风格一致，符合学术出版的审美要求，也能减少审稿人对格式的质疑。

进阶版2： 全局坐标轴样式精细化调整（适配期刊审稿要求）

import matplotlib.pyplot as plt
import numpy as np

# 继承全局字体、线条配置
plt.rcParams['font.family'] = 'Times New Roman'
plt.rcParams['font.size'] = 8
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['lines.linewidth'] = 0.8
plt.rcParams['axes.linewidth'] = 0.8

# 全局坐标轴刻度设置
plt.rcParams['xtick.major.width'] = 0.8
plt.rcParams['ytick.major.width'] = 0.8
plt.rcParams['xtick.major.size'] = 3
plt.rcParams['ytick.major.size'] = 3
# 关闭多余刻度，仅保留主刻度
plt.rcParams['xtick.minor.visible'] = False
plt.rcParams['ytick.minor.visible'] = False
# 刻度朝向画布内侧，符合期刊规范
plt.rcParams['xtick.direction'] = 'in'
plt.rcParams['ytick.direction'] = 'in'

# 测试坐标轴样式
fig, ax = plt.subplots(figsize=(3.5, 2.5))
ax.set_xlabel('Variable')
ax.set_ylabel('Value')
ax.set_xlim(0, 10)
ax.set_ylim(0, 1)
plt.tight_layout()
plt.show()
fig.savefig('全局坐标轴样式测试图.pdf', dpi=300, bbox_inches='tight')

执行结果如下：

期刊审稿对坐标轴细节要求严苛，刻度宽度、长度、朝向都有规范。全局设置主刻度宽度与线条一致，长度适中，关闭次要刻度，避免画面杂乱。刻度朝向画布内侧，是学术绘图的通用规范，让版面更整洁。所有坐标轴参数统一后，无需逐个子图调整，大幅减少格式修改工作量。这套坐标轴配置，能直接适配绝大多数SCI、核心期刊的要求，降低因格式问题被返修的概率。

进阶版3： 自定义风格保存与一键调用（长期复用）

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

# 封装全套学术风格配置函数
defset_academic_style():
    plt.rcParams['font.family'] = 'Times New Roman'
    plt.rcParams['font.size'] = 8
    plt.rcParams['axes.unicode_minus'] = False
    plt.rcParams['lines.linewidth'] = 0.8
    plt.rcParams['axes.linewidth'] = 0.8
    plt.rcParams['xtick.major.width'] = 0.8
    plt.rcParams['ytick.major.width'] = 0.8
    plt.rcParams['xtick.major.size'] = 3
    plt.rcParams['ytick.major.size'] = 3
    plt.rcParams['xtick.minor.visible'] = False
    plt.rcParams['ytick.minor.visible'] = False
    plt.rcParams['xtick.direction'] = 'in'
    plt.rcParams['ytick.direction'] = 'in'
    plt.rcParams['legend.frameon'] = False
    print("学术绘图风格已全局生效")

# 一键调用风格函数
set_academic_style()

# 测试效果
fig, ax = plt.subplots(figsize=(3.5, 2.5))
x = np.linspace(0, 5, 50)
y = np.cos(x)
ax.plot(x, y)
ax.set_xlabel('X')
ax.set_ylabel('Cos(X)')
plt.tight_layout()
plt.show()

执行结果如下：

将全套学术风格封装为独立函数，后续绘图只需调用一次，即可完成所有全局配置，省去重复复制代码的麻烦。函数内整合字体、线条、坐标轴、图例等全部核心样式，同时关闭图例边框，进一步贴合学术规范。调用后控制台弹出提示，确认风格生效，方便新手核对。这套风格函数可保存为独立脚本，跨项目、跨章节直接复用，保证整套课程所有绘图作品风格统一，形成标准化的学术绘图模板。

实操任务4：导出矢量PDF、PNG文件，验证文字可编辑性与图像清晰度

文件导出是绘图的最后一环，也是期刊投稿的关键步骤。矢量PDF适合学术投稿，PNG适合word与PPT展示，两类文件都需要保证清晰度、文字可编辑，避开导出报错、模糊、乱码等问题。本节覆盖单文件导出、批量导出、兼容性验证、问题排查全流程，适配各类使用场景。

基础版1：标准格式导出与基础验证

import matplotlib.pyplot as plt
import numpy as np

# 调用全局学术风格
defset_academic_style():
    plt.rcParams['font.family'] = 'Times New Roman'
    plt.rcParams['font.size'] = 8
    plt.rcParams['axes.unicode_minus'] = False
    plt.rcParams['lines.linewidth'] = 0.8
    plt.rcParams['axes.linewidth'] = 0.8
    plt.rcParams['xtick.direction'] = 'in'
    plt.rcParams['ytick.direction'] = 'in'
set_academic_style()

# 创建标准单栏画布，添加可编辑文字
fig, ax = plt.subplots(figsize=(3.5, 2.5))
ax.set_xlabel('Test Variable (Unit)')
ax.set_ylabel('Measurement Value')
ax.set_title('Standard Academic Plot')
ax.plot([1,2,3,4,5], [2,4,6,8,10])
ax.axis([1,5,0,10])

# 导出矢量PDF，期刊投稿首选，文字可编辑
fig.savefig('标准学术图.pdf', dpi=300, bbox_inches='tight', pad_inches=0.05, format='pdf')
# 导出高清PNG，适配公众号、PPT
fig.savefig('标准学术图.png', dpi=300, bbox_inches='tight', pad_inches=0.05, format='png')

plt.show()

执行结果如下：

导出的PDF文件为矢量格式，用专业PDF编辑器打开，所有文字、坐标轴标签均可单独编辑修改，无需重新绘图。文件无限放大无锯齿、无模糊，完全满足期刊300dpi以上的分辨率要求。

进阶版1：多格式批量导出与兼容性优化

import matplotlib.pyplot as plt
import numpy as np
import os

# 全局风格配置
defset_academic_style():
    plt.rcParams['font.family'] = 'Times New Roman'
    plt.rcParams['font.size'] = 8
    plt.rcParams['axes.unicode_minus'] = False
    plt.rcParams['svg.fonttype'] = 'path'
    plt.rcParams['pdf.fonttype'] = 42
set_academic_style()

# 创建测试画布
fig, ax = plt.subplots(figsize=(3.5, 2.5))
x = np.linspace(0, 6, 100)
y = np.exp(-x/2)
ax.plot(x, y, color='#2E86AB')
ax.set_xlabel('Time (s)')
ax.set_ylabel('Intensity')

# 创建导出文件夹，避免文件杂乱
ifnot os.path.exists('导出文件'):
    os.makedirs('导出文件')

# 批量导出多格式，适配不同需求
# PDF，嵌入字体，保证跨设备显示一致
fig.savefig('导出文件/学术图_印刷级.pdf', dpi=600, bbox_inches='tight', pad_inches=0.05)
# PNG，300dpi，公众号专用
fig.savefig('导出文件/学术图_word.png', dpi=300, bbox_inches='tight', pad_inches=0.05)
# SVG，矢量格式，适配AI后期编辑
fig.savefig('导出文件/学术图_编辑版.svg', bbox_inches='tight', pad_inches=0.05)

plt.close(fig)
print("多格式文件已批量导出至导出文件文件夹")

执行结果如下：

批量导出功能可一次性生成PDF、PNG、SVG三类文件，分别适配印刷投稿、word展示、后期编辑场景。设置pdf.fonttype为'path'，实现字体完全嵌入PDF，跨设备打开不会出现字体缺失、乱码问题，解决期刊投稿常见的字体报错问题。自动创建专属导出文件夹，统一管理文件，避免桌面文件杂乱。PDF分辨率设为600dpi，满足顶级期刊印刷要求，PNG保持300dpi，兼顾清晰度与文件体积，适合网络传播。

综合案例：学术期刊标准多子图绘制与导出

import matplotlib.pyplot as plt
import numpy as np
import os

# 一键调用学术风格
defset_academic_style():
    plt.rcParams['font.family'] = 'Times New Roman'
    plt.rcParams['font.size'] = 8
    plt.rcParams['axes.unicode_minus'] = False
    plt.rcParams['lines.linewidth'] = 0.8
    plt.rcParams['axes.linewidth'] = 0.8
    plt.rcParams['xtick.major.width'] = 0.8
    plt.rcParams['ytick.major.width'] = 0.8
    plt.rcParams['xtick.major.size'] = 3
    plt.rcParams['ytick.major.size'] = 3
    plt.rcParams['xtick.minor.visible'] = False
    plt.rcParams['ytick.minor.visible'] = False
    plt.rcParams['xtick.direction'] = 'in'
    plt.rcParams['ytick.direction'] = 'in'
    plt.rcParams['legend.frameon'] = False
    plt.rcParams['pdf.fonttype'] = 42
set_academic_style()

# 创建期刊标准单栏画布（3.5×5英寸），2行1列子图，共享X轴
fig, axes = plt.subplots(nrows=2, ncols=1, figsize=(3.5, 5), sharex='all')

# 生成模拟实验数据，贴合学术场景
x = np.linspace(0, 10, 100)
y1 = np.sin(x) + 0.5
y2 = np.cos(x) - 0.2

# 绘制子图，设置不同标记点，便于区分数据
axes[0].plot(x, y1, marker='o', markersize=2, label='Group A')
axes[1].plot(x, y2, marker='s', markersize=2, label='Group B')

# 设置子图标题与坐标轴标签
axes[0].set_title('Group A Data Trend')
axes[1].set_title('Group B Data Trend')
axes[1].set_xlabel('Time (min)')
axes[0].set_ylabel('Absorbance')
axes[1].set_ylabel('Absorbance')

# 添加图例，调整布局
axes[0].legend(fontsize=7)
axes[1].legend(fontsize=7)
plt.subplots_adjust(hspace=0.3, left=0.15, right=0.95, top=0.92, bottom=0.1)

# 创建导出文件夹，批量导出多格式
ifnot os.path.exists('综合案例导出'):
    os.makedirs('综合案例导出')
fig.savefig('综合案例导出/期刊标准子图.pdf', dpi=600, bbox_inches='tight', pad_inches=0.05)
fig.savefig('综合案例导出/期刊标准子图.png', dpi=300, bbox_inches='tight', pad_inches=0.05)

plt.show()
print("综合案例绘图与导出完成，文件保存至综合案例导出文件夹")

执行结果如下：

该案例整合本节核心知识点，从全局风格配置到子图布局，再到数据绘制与多格式导出，完全贴合学术期刊绘图规范。运行后生成的子图共享X轴，刻度朝向内侧，字体统一为Times New Roman，线条与标记点尺寸适中，导出的PDF可编辑、清晰度达标，可直接用于期刊投稿。新手可在此基础上修改数据、调整子图数量与尺寸，快速适配自身实验数据展示需求。