我在绘制图表网格时也遇到了类似的问题。图表由两部分组成(顶部和底部)。y标签应该在两个部分的中间。

我不想使用一个依赖于知道外部图形中的位置的解决方案(如fig.text())，所以我操纵了set_ylabel()函数的y位置。它通常是0.5，它被添加到图的中间。由于代码中各部分(hspace)之间的填充为零，所以我可以计算出两个部分相对于上部的中间部分。

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

# Create outer and inner grid
outerGrid = gridspec.GridSpec(2, 3, width_ratios=[1,1,1], height_ratios=[1,1])
somePlot = gridspec.GridSpecFromSubplotSpec(2, 1,
               subplot_spec=outerGrid[3], height_ratios=[1,3], hspace = 0)

# Add two partial plots
partA = plt.subplot(somePlot[0])
partB = plt.subplot(somePlot[1])

# No x-ticks for the upper plot
plt.setp(partA.get_xticklabels(), visible=False)

# The center is (height(top)-height(bottom))/(2*height(top))
# Simplified to 0.5 - height(bottom)/(2*height(top))
mid = 0.5-somePlot.get_height_ratios()[1]/(2.*somePlot.get_height_ratios()[0])
# Place the y-label
partA.set_ylabel('shared label', y = mid)

plt.show()

图片

缺点:

到绘图的水平距离基于顶部部分，底部刻度可能延伸到标签中。 这个公式没有考虑到各部分之间的间距。 当顶部高度为0时引发异常。

可能有一个通用的解决方案，即考虑数字之间的填充。

更新:

这个特性现在是我最近在pypi上发布的proplot matplotlib包的一部分。默认情况下，当您制作图形时，标签在子图之间“共享”。

最初的回答:

我发现了一个更可靠的方法:

如果您知道进入GridSpec初始化的底部和顶部kwarg，或者您知道图坐标中轴的边缘位置，您还可以使用一些奇特的“转换”魔法在图坐标中指定ylabel位置。

例如:

import matplotlib.pyplot as plt
import matplotlib.transforms as mtransforms
bottom, top = 0.1, 0.9
fig, axs = plt.subplots(nrows=2, ncols=1, bottom=bottom, top=top)
avepos = 0.5 * (bottom + top)
transform = mtransforms.blended_transform_factory(mtransforms.IdentityTransform(), fig.transFigure)  # specify x, y transform
axs[0].yaxis.label.set_transform(transform)  # changed from default blend (IdentityTransform(), axs[0].transAxes)
axs[0].yaxis.label.set_position((0, avepos))
axs[0].set_ylabel('Hello, world!')

.．.您应该看到，标签仍然适当地调整左右，以避免与标签重叠，就像正常情况一样，但它也将自己精确地定位在所需的子情节之间。

值得注意的是，如果省略set_position调用，ylabel将恰好显示在图的中间位置。我猜这是因为在最终绘制标签时，matplotlib使用0.5作为y坐标，而不检查底层坐标变换是否已更改。

因为我认为它足够相关和优雅(不需要指定坐标来放置文本)，所以我复制了(稍加修改)另一个相关问题的答案。

import matplotlib.pyplot as plt
fig, axes = plt.subplots(5, 2, sharex=True, sharey=True, figsize=(6,15))
# add a big axis, hide frame
fig.add_subplot(111, frameon=False)
# hide tick and tick label of the big axis
plt.tick_params(labelcolor='none', which='both', top=False, bottom=False, left=False, right=False)
plt.xlabel("common X")
plt.ylabel("common Y")

结果如下(使用matplotlib 2.2.0版本):

由于命令:

fig,ax = plt.subplots(5,2,sharex=True,sharey=True,figsize=fig_size)

如果你使用了返回一个由图和坐标轴实例列表组成的元组，它已经足够做一些事情(注意，我已经改变了fig,axto fig,axes):

fig,axes = plt.subplots(5,2,sharex=True,sharey=True,figsize=fig_size)

for ax in axes:
    ax.set_xlabel('Common x-label')
    ax.set_ylabel('Common y-label')

如果你碰巧想要改变特定子图的一些细节，你可以通过axis [i]访问它，其中i在子图上迭代。

这也可能是非常有用的，包括一个

fig.tight_layout()

在文件的末尾，在plt.show()之前，以避免重叠标签。

没有sharex=True, sharey=True，你得到:

有了它，你应该得到更好的:

fig, axes2d = plt.subplots(nrows=3, ncols=3,
                           sharex=True, sharey=True,
                           figsize=(6,6))

for i, row in enumerate(axes2d):
    for j, cell in enumerate(row):
        cell.imshow(np.random.rand(32,32))

plt.tight_layout()

但是如果你想添加额外的标签，你应该只将它们添加到边缘图中:

fig, axes2d = plt.subplots(nrows=3, ncols=3,
                           sharex=True, sharey=True,
                           figsize=(6,6))

for i, row in enumerate(axes2d):
    for j, cell in enumerate(row):
        cell.imshow(np.random.rand(32,32))
        if i == len(axes2d) - 1:
            cell.set_xlabel("noise column: {0:d}".format(j + 1))
        if j == 0:
            cell.set_ylabel("noise row: {0:d}".format(i + 1))

plt.tight_layout()

为每个图添加标签会破坏它(也许有一种方法可以自动检测重复的标签，但我不知道)。

Matplotlib v3.4新增功能(pip install Matplotlib—upgrade)

标签和标签

    fig.supxlabel('common_x')
    fig.supylabel('common_y')

看到的例子:

import matplotlib.pyplot as plt

for tl, cl in zip([True, False, False], [False, False, True]):
    fig = plt.figure(constrained_layout=cl, tight_layout=tl)

    gs = fig.add_gridspec(2, 3)

    ax = dict()

    ax['A'] = fig.add_subplot(gs[0, 0:2])
    ax['B'] = fig.add_subplot(gs[1, 0:2])
    ax['C'] = fig.add_subplot(gs[:, 2])

    ax['C'].set_xlabel('Booger')
    ax['B'].set_xlabel('Booger')
    ax['A'].set_ylabel('Booger Y')
    fig.suptitle(f'TEST: tight_layout={tl} constrained_layout={cl}')
    fig.supxlabel('XLAgg')
    fig.supylabel('YLAgg')
    
    plt.show()

查看更多