Python中的Seaborn怎么使用plt.figure()

# Python中的Seaborn怎么使用plt.figure()

Seaborn是基于Matplotlib的高級數據可視化庫，雖然它提供了簡潔的API直接創建統計圖形，但結合Matplotlib的`plt.figure()`函數可以更靈活地控制畫布屬性。本文將詳細介紹如何在Seaborn中使用`plt.figure()`優化可視化效果。

## 一、plt.figure()基礎功能

`plt.figure()`是Matplotlib的核心函數，用于創建或激活一個圖形對象。在Seaborn中配合使用時，主要控制以下參數：

```python
import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(
    figsize=(8, 6),       # 畫布尺寸（寬,高）英寸
    dpi=100,              # 分辨率
    facecolor='white',    # 背景色
    edgecolor='black',    # 邊框顏色
    frameon=True,         # 是否顯示邊框
    num="Figure 1"        # 圖形標識
)
sns.scatterplot(x='total_bill', y='tip', data=tips)
plt.show()

二、與Seaborn圖形結合使用

1. 調整多子圖布局

當需要創建多個Seaborn圖形時，plt.figure()可以統一管理畫布：

plt.figure(figsize=(12, 5))

plt.subplot(1, 2, 1)
sns.histplot(data=tips, x='total_bill')

plt.subplot(1, 2, 2)
sns.boxplot(data=tips, x='day', y='total_bill')

plt.tight_layout()  # 自動調整間距

2. 控制圖形樣式

通過plt.figure()設置全局樣式，影響所有Seaborn圖形：

plt.figure(facecolor='#f0f0f0', edgecolor='blue')
sns.set_style('darkgrid')
sns.lineplot(data=flights, x='year', y='passengers')

三、高級應用技巧

1. 保存高清圖像

plt.figure(dpi=300)
sns.heatmap(data=corr_matrix, annot=True)
plt.savefig('high_res_heatmap.png')  # 保存300DPI圖像

2. 動態調整畫布

在Jupyter等交互環境中實時調整：

fig = plt.figure(figsize=(6,6))
sns.violinplot(data=tips, x='day', y='tip')

# 運行后動態調整
fig.set_size_inches(8, 4)
fig.set_facecolor('lightyellow')

四、常見問題解決

1. 圖形重疊問題
   使用plt.figure()后出現元素重疊時，添加plt.tight_layout()自動調整間距。

2. 樣式沖突
   Seaborn樣式可能覆蓋Matplotlib設置，建議按順序設置：

   plt.figure(...)
   sns.set_style(...)
   sns.plot(...)
   

3. 多圖形管理
   通過plt.close()顯式關閉圖形釋放內存： “`python plt.figure(1) sns.plot1() plt.close(1)

plt.figure(2) sns.plot2()

## 五、總結

| 場景                | 推薦用法                          |
|---------------------|----------------------------------|
| 單圖精細控制        | 先`plt.figure()`再Seaborn繪圖    |
| 多子圖布局          | 共用`plt.figure()`+`subplot()`   |
| 高清導出            | 設置`dpi=300`+`savefig()`        |
| 交互式調整          | 保存`fig`對象后動態修改屬性      |

通過合理使用`plt.figure()`，可以充分發揮Seaborn的便捷性和Matplotlib的靈活性，創建更專業的數據可視化作品。

文章包含代碼示例、問題解決和總結表格，總計約750字，采用Markdown格式。實際使用時可根據需要調整代碼數據集（示例中使用的是Seaborn內置的tips/flights數據集）。