Matplotlib不仅可以用于绘制折线图、柱状图、散点图等数据可视化图形，还支持将生成的图像保存为多种常见格式。实际开发中，根据使用场景选择合适的图片格式非常重要，例如网页展示通常使用PNG或JPEG，论文和印刷场景更适合PDF、SVG等矢量格式，而需要继续进行图像处理时，则可以根据具体需求选择不同格式。
一、Matplotlib保存图像的基本方法
Matplotlib保存图片主要使用savefig()函数。最常见的写法如下：
Python运行import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [2, 4, 3, 5, 7] plt.plot(x, y) plt.savefig("result.png") plt.show()
执行代码后，当前工作目录中会生成一个名为result.png的文件。
如果希望明确指定保存路径，可以直接传入完整路径：
Python运行plt.savefig("./images/result.png")
Windows环境下也可以写成：
Python运行plt.savefig(r"D:images esult.png")
建议使用原始字符串r"..."处理Windows路径，避免反斜杠产生转义问题。
二、保存为PNG格式
PNG是Matplotlib保存图片时非常常用的格式，特别适合网页、技术文档和程序生成的图表。
Python运行import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [10, 15, 12, 20, 18] plt.plot(x, y, marker="o") plt.title("Data Trend") plt.xlabel("X") plt.ylabel("Y") plt.savefig("chart.png", dpi=300, bbox_inches="tight") plt.show()
这里的dpi=300表示输出分辨率为300 DPI，适合较高质量的文档或打印场景。
bbox_inches="tight"可以自动裁剪图像周围多余的空白区域，让最终图片更加紧凑。
PNG通常适合以下场景：
-
数据分析报告
-
网页图片
-
技术博客
-
截图式图表
-
需要透明背景的图片
如果需要透明背景，可以使用：
Python运行plt.savefig("chart.png", transparent=True)
三、保存为JPEG格式
JPEG适合照片等连续色调图像，但对于文字、线条和数据图表来说，通常不如PNG。
Matplotlib可以直接指定.jpg或.jpeg：
Python运行plt.plot(x, y) plt.savefig("chart.jpg", dpi=300)
还可以通过quality调整JPEG质量，但具体支持情况取决于Matplotlib所使用的图像后端和相关版本。对于普通数据可视化，通常没有必要专门使用JPEG。
如果图表包含大量文字、坐标轴和细线，优先考虑PNG，而不是JPEG。
四、保存为SVG矢量格式
SVG是一种非常适合网页和技术文档的矢量图形格式。
Python运行plt.plot(x, y) plt.title("Trend") plt.savefig("chart.svg")
与PNG不同，SVG中的图形元素通常以矢量形式保存。因此放大图片时，不容易出现明显的像素化。
SVG尤其适合：
-
网页前端展示
-
技术文档
-
矢量图编辑
-
数据可视化报告
-
需要频繁缩放的图表
如果需要将Matplotlib生成的图表导入矢量图编辑软件进行进一步调整，SVG通常是一个不错的选择。
五、保存为PDF格式
PDF同样支持矢量图形，非常适合论文、报告以及打印输出。
Python运行plt.plot(x, y) plt.title("Matplotlib Chart") plt.savefig("chart.pdf")
PDF保存的优势在于可以较好地保留图表中的线条、文字和其他矢量元素。
例如论文中需要插入一张高质量折线图时，可以直接保存为PDF：
Python运行import matplotlib.pyplot as plt x = [0, 1, 2, 3, 4] y = [0, 1, 4, 9, 16] plt.plot(x, y) plt.xlabel("X") plt.ylabel("Y") plt.savefig("function.pdf", bbox_inches="tight")
如果目标是出版、论文或者高质量打印，PDF通常比低分辨率位图更加合适。
六、保存为EPS格式
EPS也是传统的矢量图形格式，在部分科研出版和专业排版环境中仍然比较常见。
Python运行plt.plot(x, y) plt.savefig("chart.eps")
EPS适合需要兼容特定出版流程的场景。不过对于现代Web应用和普通办公文档，SVG和PDF通常更加方便。
七、保存为TIFF格式
TIFF主要用于高质量图像交换、出版以及某些专业图像处理场景。
可以尝试使用：
Python运行plt.plot(x, y) plt.savefig("chart.tiff", dpi=300)
如果对输出文件的色彩模式、压缩方式等有更严格要求，还需要结合实际图像处理环境进行配置。
八、通过format参数指定格式
除了通过文件扩展名判断格式之外，还可以使用format参数明确指定输出格式。
例如：
Python运行plt.plot(x, y) plt.savefig("chart_output", format="png")
也可以：
Python运行plt.savefig("chart_output", format="svg")
这种方式适合文件名不包含扩展名，或者希望明确控制输出格式的情况。
一般来说：
Python运行plt.savefig("chart.png")
依靠扩展名判断格式更加直观；而：
Python运行plt.savefig("chart", format="png")
则能够显式指定格式。
九、控制保存图片的分辨率
保存位图时，dpi是一个非常重要的参数。
例如：
Python运行plt.savefig("chart.png", dpi=100)
输出较适合普通屏幕显示。
如果需要更清晰的图片：
Python运行plt.savefig("chart.png", dpi=300)
更高分辨率：
Python运行plt.savefig("chart.png", dpi=600)
需要注意的是，DPI并不是越高越好。分辨率提高以后，文件大小通常也会增加。对于普通博客和网页图片，100～200 DPI往往已经足够；报告、论文或打印场景可以根据具体要求选择300 DPI甚至更高。
十、调整图片尺寸
可以通过figsize设置图像尺寸：
Python运行import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) x = [1, 2, 3, 4, 5] y = [2, 4, 3, 6, 8] plt.plot(x, y) plt.savefig("large_chart.png", dpi=300)
figsize=(10, 6)中的单位默认是英寸。
也可以直接创建Figure对象：
Python运行fig, ax = plt.subplots(figsize=(10, 6)) ax.plot(x, y) fig.savefig("chart.png", dpi=300)
相比直接使用plt.savefig()，在复杂项目中使用Figure对象通常更容易管理多个图表。
十一、解决保存图片时的空白问题
有时候保存出来的图片会出现四周空白较大的情况，可以使用：
Python运行plt.savefig("chart.png", bbox_inches="tight")
完整示例：
Python运行import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [5, 8, 6, 10, 12] plt.plot(x, y) plt.title("Sales Trend") plt.savefig( "sales.png", dpi=300, bbox_inches="tight" )
bbox_inches="tight"会根据图像内容重新计算边界，通常可以有效减少不必要的空白。
十二、保存透明背景图片
制作Logo、网页素材或者需要叠加到其他背景上的图表时，可以使用透明背景：
Python运行plt.plot(x, y) plt.savefig( "transparent_chart.png", transparent=True, dpi=300 )
透明背景通常更适合PNG格式。
需要注意的是，透明效果是否能够完整保留与输出格式有关。JPEG本身不适合保存透明通道，因此需要透明背景时优先使用PNG等支持透明通道的格式。
十三、保存图片前关闭坐标轴
如果只需要生成图形本身，而不需要显示坐标轴，可以使用：
Python运行plt.axis("off") plt.savefig( "figure.png", transparent=True, bbox_inches="tight", pad_inches=0 )
这种方式比较适合制作图片素材、示意图以及需要嵌入其他页面的可视化元素。
十四、保存图片时避免多余边距
pad_inches可以控制图像边缘留白。
例如：
Python运行plt.savefig( "chart.png", bbox_inches="tight", pad_inches=0.1 )
如果希望尽可能减少边缘空白：
Python运行plt.savefig( "chart.png", bbox_inches="tight", pad_inches=0 )
不过对于包含标题、坐标轴标签和图例的图表，不建议盲目设置为0，否则可能造成文字贴近图片边缘。
十五、保存前使用tight_layout调整布局
复杂图表容易出现标题、坐标轴标签或图例被裁剪的问题，可以先调用：
Python运行plt.tight_layout() plt.savefig("chart.png", dpi=300)
也可以结合：
Python运行plt.tight_layout() plt.savefig( "chart.png", dpi=300, bbox_inches="tight" )
实际使用中，tight_layout()主要负责调整图表内部元素之间的布局，而bbox_inches="tight"主要负责保存时根据内容调整边界，两者结合通常能够得到更合理的输出结果。
十六、不同图像格式如何选择
不同格式各有适用范围，可以根据实际需求进行选择。
| 格式 | 类型 | 主要特点 | 推荐场景 |
|---|---|---|---|
| PNG | 位图 | 清晰、支持透明背景 | 网页、报告、普通图表 |
| JPEG | 位图 | 文件较小、有损压缩 | 照片、连续色调图片 |
| SVG | 矢量 | 可无限缩放 | 网页、矢量编辑 |
| 矢量/文档 | 适合高质量输出 | 论文、报告、打印 | |
| EPS | 矢量 | 传统出版格式 | 科研出版、专业排版 |
| TIFF | 位图 | 适合高质量图像交换 | 出版、专业图像处理 |
如果只是保存普通数据图表，PNG通常是最稳妥的选择。
如果需要放大而不损失清晰度，可以考虑SVG或PDF。
如果需要提交论文，则应优先查看学校、期刊或出版社规定的图片格式，再决定使用PDF、EPS、TIFF或者PNG。
十七、一个完整的多格式保存示例
下面的代码生成同一张图，并分别保存成PNG、SVG和PDF：
Python运行import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [12, 18, 15, 23, 28] fig, ax = plt.subplots(figsize=(10, 6)) ax.plot( x, y, marker="o", linewidth=2 ) ax.set_title("Data Trend") ax.set_xlabel("Time") ax.set_ylabel("Value") fig.tight_layout() fig.savefig( "chart.png", dpi=300, bbox_inches="tight" ) fig.savefig( "chart.svg", bbox_inches="tight" ) fig.savefig( "chart.pdf", bbox_inches="tight" ) plt.show()
这种方式适合需要同时准备网页图片、论文插图和后续矢量编辑文件的情况。
十八、保存图片时常见问题
1. 图片保存后内容被裁剪
如果发现标题、图例或坐标轴文字没有完整显示，可以尝试：
Python运行plt.tight_layout() plt.savefig("chart.png", bbox_inches="tight")
如果使用Figure对象，则：
Python运行fig.tight_layout() fig.savefig("chart.png", bbox_inches="tight")
2. 保存的图片分辨率太低
适当提高dpi：
Python运行plt.savefig("chart.png", dpi=300)
但如果输出的是SVG、PDF等矢量格式，通常不需要通过提高DPI来解决矢量图清晰度问题。
3. 保存图片时出现空白图
常见原因之一是保存操作发生在错误的Figure对象上，尤其是在程序中同时创建多个图表时。
推荐明确保存对应的Figure：
Python运行fig, ax = plt.subplots() ax.plot(x, y) fig.savefig("chart.png")
这样比完全依赖当前的pyplot状态更加清晰。
4. 保存文件后再次调用show
推荐先保存，再显示：
Python运行plt.savefig("chart.png", dpi=300) plt.show()
在复杂绘图代码中，尤其是涉及Figure生命周期管理时，应尽量避免在保存前意外关闭或切换当前Figure。
十九、批量保存不同格式的最佳实践
如果一个项目需要输出多种格式，可以将保存逻辑集中起来：
Python运行import matplotlib.pyplot as plt fig, ax = plt.subplots(figsize=(10, 6)) ax.plot([1, 2, 3, 4], [3, 6, 4, 8]) ax.set_title("Example Chart") fig.tight_layout() formats = ["png", "svg", "pdf"] for fmt in formats: fig.savefig( f"output_chart.{fmt}", dpi=300, bbox_inches="tight" ) plt.close(fig)
这种方式可以避免重复编写保存代码，也方便后续增加新的输出格式。
需要注意的是，dpi主要影响位图输出。对于SVG、PDF等矢量格式，其核心优势来自矢量绘制本身，因此不应简单地把“更高DPI”等同于“更高清晰度”。
二十、总结
Matplotlib的savefig()提供了非常灵活的图像导出能力，可以根据文件扩展名或者format参数将图表保存为PNG、JPEG、SVG、PDF、EPS、TIFF等不同格式。
实际选择时可以遵循几个简单原则：网页和普通数据图表优先考虑PNG，追求矢量缩放选择SVG，论文和高质量打印可以选择PDF，特定出版流程则根据要求选择EPS或TIFF。
同时，dpi、figsize、bbox_inches、pad_inches、transparent和tight_layout()等参数能够进一步控制输出图片的分辨率、尺寸、边距、背景和布局。掌握这些参数后，不仅可以完成Matplotlib图像保存，还能针对网页、报告、论文和出版等不同场景生成更加规范的可视化文件。
