1. 从“能画”到“画好”为什么图形辅助操作是Matlab进阶的必修课很多朋友在刚开始用Matlab画图时可能都经历过这样一个阶段用plot、scatter、bar这些基础命令把数据点扔到图上一看线是连上了点也撒上去了但总觉得哪里不对劲——图看起来“很Matlab”或者说很“学生气”。坐标轴范围不合适曲线挤在一起图例要么没有要么位置尴尬想在一张图里对比好几组数据结果后画的把先画的给覆盖了想给论文或者报告配张专业的插图却不知道如何添加箭头、文本框进行标注。这其实就是从“把图画出来”到“把图画好”之间的一道鸿沟而跨越这道鸿沟的关键就在于掌握标题里提到的这四项辅助操作图形标注、坐标控制、图形保持和图形窗口分割。我刚开始用Matlab做科研绘图时也吃了不少亏。导师看着我那默认坐标范围、没有误差棒、图例挤在角落里的图表直摇头说这图拿出去开会“不专业”。后来花了大量时间摸索才发现Matlab的绘图引擎其实非常强大只是它把“画数据”和“装饰图表”这两件事分开了。基础绘图函数负责生成数据的视觉映射而图的美观性、可读性和信息完整性则完全依赖于后续这一系列精细的辅助操作。这就像盖房子plot是砌好了墙而标注、坐标控制这些就是装修装修的水平直接决定了房子的最终品质和用途。掌握这些技能你的图将不再仅仅是数据的简单呈现而是会成为清晰、有力、甚至具有说服力的沟通工具。无论是学术论文、工程报告、数据分析简报还是课程作业一张精心修饰的图表都能让你的工作显得更加严谨和专业。接下来我就结合自己多年的使用经验把这四项核心辅助操作掰开揉碎了讲清楚其中会穿插大量你从官方文档里看不到的实战细节和避坑指南。2. 图形标注让你的图表会“说话”图形标注是给图表添加文字性说明是传递信息的关键。没有标注的图就像没有字幕的电影观众只能猜。Matlab提供了从标题、轴标签到图例、文本框、箭头等一整套标注工具。2.1 基础文本标注title,xlabel,ylabel,legend这是最常用的一组函数但用好它们需要一点技巧。x 0:0.1:2*pi; y1 sin(x); y2 cos(x); figure; plot(x, y1, ‘r-‘, ‘LineWidth‘, 2); % 画第一条线红色实线线宽2 hold on; % 先按下不表下文详解 plot(x, y2, ‘b--‘, ‘LineWidth‘, 2); % 画第二条线蓝色虚线线宽2 title(‘正弦与余弦函数曲线对比‘, ‘FontSize‘, 14, ‘FontWeight‘, ‘bold‘); xlabel(‘时间 / 弧度 (rad)‘, ‘FontSize‘, 12); ylabel(‘函数值‘, ‘FontSize‘, 12); legend({‘sin(x)‘, ‘cos(x)‘}, ‘Location‘, ‘best‘, ‘FontSize‘, 11); grid on; % 添加网格提高可读性实操心得1legend的位置玄学‘Location‘参数是图例的灵魂。‘best‘是让Matlab自动找一个遮挡最少的位置但有时它的“审美”很诡异。我常用的几个可靠选项是‘northoutside‘: 放在图的上方外部特别适合有多条曲线、图例较长的情况不占用绘图区域。‘eastoutside‘: 放在图的右侧外部这是论文插图中非常常见的版式整洁。‘southeast‘: 放在图的右下角内部如果绘图区域有空白这是个不错的选择。 永远不要用默认位置或者‘best‘就了事一定要根据你的图形空白区域手动调整到一个和谐的位置。你可以先用‘best‘然后通过图形窗口的“编辑图例”工具拖动到满意位置最后用legend(..., ‘Location‘, [x, y])来固定坐标这里的[x, y]是归一化坐标左下角为[0,0]右上角为[1,1]。实操心得2中文字体显示问题如果你在标题、标签中使用了中文很可能会显示为方框。这是因为默认字体不包含中文。一个一劳永逸的解决方法是在脚本开头或单独的执行命令中设置图形对象的默认字体set(0, ‘DefaultAxesFontName‘, ‘SimHei‘); % 设置坐标轴默认字体为黑体 set(0, ‘DefaultTextFontName‘, ‘SimHei‘); % 设置文本默认字体为黑体 % 或者使用系统自带的其他中文字体如‘Microsoft YaHei‘(雅黑)、‘SimSun‘(宋体)设置后本会话中创建的所有新图形都会使用该字体。你也可以针对单个文本对象设置title(‘标题‘, ‘FontName‘, ‘SimHei‘)。2.2 高级标注text,annotation与gtext当需要在图中特定数据点旁添加说明或者绘制箭头、矩形等形状时就需要用到高级标注。text函数在指定数据坐标处添加文字x linspace(0, 10, 100); y exp(-0.2*x) .* sin(x); plot(x, y); % 找到第一个峰值的大致位置这里假设我们知道在x≈2.5处 [peakVal, peakIdx] max(y); x_peak x(peakIdx); text(x_peak, peakVal, sprintf(‘峰值: %.3f‘, peakVal), ... ‘VerticalAlignment‘, ‘bottom‘, ‘HorizontalAlignment‘, ‘center‘, ... ‘BackgroundColor‘, ‘w‘, ‘EdgeColor‘, ‘k‘, ‘Margin‘, 2);‘VerticalAlignment‘和‘HorizontalAlignment‘控制文本相对于指定坐标(x_peak, peakVal)的对齐方式。‘bottom‘和‘center‘意味着文本的底部中心位于该坐标点。这个组合常用于在数据点上方标注。添加背景色(‘BackgroundColor‘)和边框(‘EdgeColor‘)能让文本在复杂的图中更醒目。annotation函数在图形窗口的“归一化坐标”中添加图形对象这是功能更强大的标注工具可以画箭头、直线、椭圆、矩形、文本框等。它的坐标不是数据坐标而是相对于整个图形窗口的[0,1]范围。% 添加一个从点(0.2, 0.8)到点(0.4, 0.6)的箭头归一化坐标 annotation(‘arrow‘, [0.2, 0.4], [0.8, 0.6], ‘Color‘, ‘r‘, ‘LineWidth‘, 1.5); % 添加一个文本框 annotation(‘textbox‘, [0.15, 0.15, 0.2, 0.1], ‘String‘, ‘重要区域‘, ... ‘FitBoxToText‘, ‘on‘, ‘BackgroundColor‘, ‘yellow‘, ‘EdgeColor‘, ‘none‘);[0.15, 0.15, 0.2, 0.1]表示文本框左下角位于窗口的(0.15, 0.15)位置宽度为0.2高度为0.1归一化单位。‘FitBoxToText‘, ‘on‘可以让文本框自动调整大小以适应文字非常实用。注意annotation的坐标是固定的窗口坐标不会随着你缩放、平移图形而改变。如果你希望标注跟随数据请使用text函数。annotation更适合添加那些与具体数据无关的说明性标记比如指向某个区域的箭头、图表的整体注释等。gtext函数交互式放置文本这是一个“懒人”但有时很有用的函数。执行gtext(‘请点击放置文字‘)后图形窗口会等待你用鼠标点击一个位置然后将文字放在那里。这在需要快速、粗略定位时很方便但不利于脚本的自动化执行和复现。3. 坐标控制驾驭图形的视野与尺度坐标轴是图表的骨架控制坐标轴就是控制读者观察数据的“窗口”。不当的坐标范围会扭曲数据呈现而恰当的设置则能突出关键信息。3.1 核心控制函数axis,xlim/ylim,xticks/yticksaxis函数一键式全局控制axis函数功能强大通过一个参数就能实现多种控制。plot(rand(10,1)); axis tight; % 让坐标轴范围紧贴数据范围不留太多空白 % axis equal; % 使x轴和y轴的刻度单位等长画圆的时候不会变成椭圆 % axis square; % 使坐标轴区域呈正方形 % axis off; % 关闭所有坐标轴、刻度和标签常用于图像显示 % axis on; % 打开坐标轴最常用的是axis tight和axis equal。在绘制几何图形或需要保持纵横比时axis equal至关重要。xlim,ylim精确设置范围这是最精细的控制方式。你明确告诉Matlab你想看哪一段数据。x 0:0.01:10; y sin(x) 0.1*randn(size(x)); % 带噪声的正弦波 plot(x, y); xlim([2, 8]); % 只看x从2到8的部分相当于“放大镜” ylim([-1.5, 1.5]); % 设置y轴范围可以突出波动细节在对比多个子图时统一它们的坐标轴范围是必须的否则视觉上会产生误导。例如比较两个不同量级但需要观察变化趋势的数据时可能需要分别设置ylim而比较相同物理量的不同实验组时则必须强制设置相同的ylim。xticks,yticks,xticklabels,yticklabels控制刻度与标签这是提升图表专业性的高级技巧。默认的自动刻度可能不理想比如你希望x轴只显示整数或者在特定位置显示自定义标签如类别名称。x 1:5; sales [100, 150, 120, 200, 180]; bar(x, sales); xticks(1:5); % 确保刻度在1,2,3,4,5的位置 xticklabels({‘Q1‘, ‘Q2‘, ‘Q3‘, ‘Q4‘, ‘Annual‘}); % 设置刻度标签 ylabel(‘销售额 (万元)‘); title(‘季度销售额统计‘);对于时间序列这个功能尤其有用可以将数字时间戳转换为可读的日期字符串。3.2 双y轴与坐标轴比例yyaxis与semilogyyyaxis左右开弓当需要在一张图上对比两个量纲不同、但存在关联的数据序列时双y轴是标准做法。x 0:0.1:10; y1 sin(x); % 假设是温度℃ y2 50 * cos(x) 100; % 假设是湿度% figure; yyaxis left; % 激活左侧y轴 plot(x, y1, ‘b-‘, ‘LineWidth‘, 2); ylabel(‘温度 (℃)‘, ‘Color‘, ‘b‘); % 标签颜色与曲线对应 ylim([-1.5, 1.5]); yyaxis right; % 激活右侧y轴 plot(x, y2, ‘r--‘, ‘LineWidth‘, 2); ylabel(‘相对湿度 (%)‘, ‘Color‘, ‘r‘); ylim([50, 150]); xlabel(‘时间‘); title(‘温湿度随时间变化曲线‘); grid on;重要提示使用双y轴时务必通过颜色、线型等手段清晰区分左右轴的数据并在图例中明确说明。滥用双y轴可能导致误导性解读因为它改变了数据的基准线。对数坐标semilogy,semilogx,loglog当数据跨越多个数量级时如信号频谱、微生物数量增长、金融收益率使用对数坐标可以更清晰地展示变化规律。f logspace(0, 5, 1000); % 频率从10^0到10^5 Hz H 1 ./ (1 1j*f/1000); % 一个简单的一阶低通滤波器频率响应 magnitude abs(H); figure; subplot(2,1,1); semilogx(f, 20*log10(magnitude)); % x轴对数y轴分贝也是对数 xlabel(‘频率 (Hz)‘); ylabel(‘增益 (dB)‘); title(‘滤波器幅频响应 (Bode图)‘); grid on; subplot(2,1,2); semilogx(f, angle(H)*180/pi); % 相位 xlabel(‘频率 (Hz)‘); ylabel(‘相位 (度)‘); grid on;semilogx让x轴按对数尺度显示但坐标值仍然是原始的f。Matlab会自动计算并显示对数刻度。loglog则是两个轴都用对数尺度。4. 图形保持与覆盖hold on的智慧与陷阱hold on命令是Matlab绘图中最基础也最容易出错的概念之一。它的作用是保持当前图形窗口和坐标轴的状态使后续的绘图命令能在已有的图形上叠加而不是清空重绘。4.1hold on的正确使用姿势x linspace(0, 2*pi, 100); y_sin sin(x); y_cos cos(x); figure; % 创建新图形窗口 plot(x, y_sin, ‘r-‘); % 第一次plot绘制红色正弦曲线 hold on; % 开启保持状态 plot(x, y_cos, ‘b--‘); % 第二次plot蓝色虚线余弦曲线叠加在上图 hold off; % 关闭保持状态这是一个好习惯 title(‘使用hold on叠加图形‘); legend(‘sin(x)‘, ‘cos(x)‘);如果没有hold on第二条plot命令会清空第一条曲线只显示余弦曲线。为什么需要hold off这是一个编程习惯问题。保持状态是全局的如果你在一个脚本中打开了hold on但忘记关闭那么后续所有针对这个坐标轴的绘图命令都会叠加可能导致意想不到的混乱。显式地使用hold off就像用完工具后放回原处让代码更清晰、更安全。另一种更现代、更推荐的方式是直接指定目标坐标轴ax axes; % 创建一个坐标轴对象并获取其句柄 plot(ax, x, y_sin, ‘r-‘); plot(ax, x, y_cos, ‘b--‘); % 直接向同一个坐标轴句柄ax绘图无需hold on这种方式逻辑更清晰尤其在处理多个图形窗口和子图时。4.2hold on的常见“坑”与排查坑1属性重置hold on只保持图形内容线条、散点等但像xlabel,title,grid这些坐标轴属性如果在hold on之后再次设置会正常生效。然而如果你在hold on后执行了plot(…, ‘Property‘, Value)并希望通过它来改变坐标轴范围可能会发现不生效因为hold on状态下plot会尽量不改变现有坐标轴范围以适应新数据。此时应使用xlim/ylim来强制设置。坑2与cla(clear axes) 的混淆有时我们想清空当前坐标轴重新画错误地使用了hold off; plot(...)。实际上hold off只是关闭叠加模式并不会清空已有图形。正确的清空命令是cla。% 错误示范 plot(x, y1); hold off; % 只是关闭hold图形还在 plot(x, y2); % 这会清空y1只画y2但意图可能是“清空重画” % 正确示范 plot(x, y1); cla; % 清空坐标轴 plot(x, y2); % 画新的图形 % 或者更清晰的 cla reset; % 清空坐标轴并重置所有属性 plot(x, y2);坑3在循环中滥用在循环中绘图时如果不加控制地使用hold on会导致性能下降和图形混乱。% 低效做法 figure; hold on; for i 1:100 y randn(100,1)*i; plot(y); % 每次循环都画一条线生成100个图形对象 end hold off; % 高效做法预分配图形对象或使用‘LineStyle‘, ‘none‘先画点最后连线 % 或者如果只是看最终结果可以在循环内计算数据循环外一次性绘图。5. 图形窗口分割subplot与tiledlayout的布局艺术当我们需要并排比较多个相关图形时分割图形窗口是标准操作。Matlab提供了两种主要工具经典的subplot和R2019b后引入的更强大的tiledlayout。5.1 经典工具subplot(m, n, p)subplot将图形窗口划分为一个m行n列的网格并激活第p个子区域进行绘图。p按行优先顺序编号即先填满第一行再第二行。x 0:0.1:10; y1 sin(x); y2 cos(x); y3 exp(-0.1*x) .* sin(x); y4 randn(size(x)); figure(‘Position‘, [100, 100, 1200, 800]); % 设置图形窗口位置和大小 subplot(2, 2, 1); % 2行2列激活第1块 plot(x, y1); title(‘正弦波‘); grid on; subplot(2, 2, 2); plot(x, y2); title(‘余弦波‘); grid on; subplot(2, 2, 3); plot(x, y3); title(‘衰减正弦波‘); grid on; subplot(2, 2, 4); histogram(y4, 30); % 在第4块画直方图 title(‘随机噪声分布‘); grid on; sgtitle(‘多子图示例‘); % R2018b后可用为整个图窗添加总标题subplot的局限性间距死板子图之间的间距是固定的调整起来很麻烦需要通过subplot(‘Position‘, [left, bottom, width, height])来手动设置每个子图的位置计算复杂。共享坐标轴困难虽然可以通过linkaxes函数链接多个坐标轴的缩放但设置共享的x轴或y轴标签比较繁琐。颜色栏和图例布局当子图中包含colorbar或大型legend时很容易与其他子图重叠。5.2 现代布局tiledlayout与nexttile(推荐)从R2019b开始tiledlayout提供了更灵活、更强大的布局控制彻底解决了subplot的痛点。x linspace(0, 2*pi, 200); y1 sin(x); y2 cos(x); y3 sin(x).*cos(x); y4 sin(x) 0.1*randn(size(x)); fig figure(‘Position‘, [100, 100, 1000, 700]); t tiledlayout(2, 2); % 创建一个2x2的平铺布局 t.TileSpacing ‘compact‘; % 设置子图间距为‘compact‘, ‘loose‘, 或 ‘none‘ t.Padding ‘compact‘; % 设置布局与图窗边缘的边距 % 在第一个位置绘图 nexttile; % 自动移动到下一个可用的瓦片Tile plot(x, y1, ‘LineWidth‘, 1.5); title(‘正弦函数‘); grid on; nexttile; plot(x, y2, ‘LineWidth‘, 1.5, ‘Color‘, ‘r‘); title(‘余弦函数‘); grid on; nexttile; plot(x, y3, ‘LineWidth‘, 1.5, ‘Color‘, ‘g‘); title(‘乘积函数‘); grid on; nexttile; scatter(x, y4, 10, ‘filled‘); % 散点图 title(‘带噪声的正弦信号‘); grid on; % 为整个布局添加共享标签和总标题 xlabel(t, ‘时间 / 弧度 (rad)‘, ‘FontSize‘, 11); ylabel(t, ‘函数值‘, ‘FontSize‘, 11); title(t, ‘三角函数及其衍生图形‘, ‘FontSize‘, 14, ‘FontWeight‘, ‘bold‘);tiledlayout的核心优势灵活的间距与边距控制通过TileSpacing和Padding属性轻松调整告别复杂的像素计算。轻松创建跨越多行/列的子图t tiledlayout(3, 3); nexttile([2, 2]); % 这个子图占据2行2列 plot(rand(10,4)); title(‘主图‘); nexttile; % 占据(1,3)位置 plot(rand(5,1)); title(‘小图1‘); nexttile; % 占据(2,3)位置 plot(rand(5,1)); title(‘小图2‘); nexttile([1, 3]); % 这个子图占据第3行横跨3列 bar(rand(1,5)); title(‘底部长条图‘);完美的共享坐标轴t tiledlayout(2,1); ax1 nexttile; plot(ax1, rand(10,1)); ax2 nexttile; plot(ax2, rand(10,1)); % 链接x轴缩放时联动 linkaxes([ax1, ax2], ‘x‘); % 隐藏ax1的x轴刻度标签使图更紧凑 xticklabels(ax1, {}); xlabel(t, ‘共享的X轴标签‘); % 只在底部添加一个共享标签优雅的Colorbar和Legend布局tiledlayout可以为整个布局分配一个colorbar或legend而不是属于某个特定的子图自动安排位置避免重叠。t tiledlayout(1,2); nexttile; contourf(peaks); colorbar; % 这个colorbar只属于第一个子图 nexttile; imagesc(magic(10)); % 如果想为整个布局添加一个colorbar可以 % cb colorbar(t); % cb.Layout.Tile ‘east‘; % 放在布局的右侧实战选择建议对于新的项目或脚本除非有兼容旧版本Matlab的硬性要求否则一律推荐使用tiledlayout。它的API更现代布局控制能力远超subplot能节省大量调整排版的时间。6. 综合案例绘制一份专业的数据分析报告图让我们把前面所有的知识点串联起来完成一个稍微复杂但很常见的任务绘制一份包含原始数据、拟合曲线、残差分析以及分布统计的多面板专业图表。%% 步骤1生成模拟数据与计算 % 假设我们有一组实验测量数据并试图用线性模型拟合 x_data 1:20; y_true 2.5 * x_data 1.8; % 真实关系 noise 5 * randn(size(x_data)); % 加入随机噪声 y_measured y_true noise; % 测量值 % 使用polyfit进行一阶线性拟合 p polyfit(x_data, y_measured, 1); % p(1)是斜率p(2)是截距 y_fitted polyval(p, x_data); % 计算拟合值 % 计算残差 residuals y_measured - y_fitted; %% 步骤2创建图形窗口与布局 fig figure(‘Position‘, [100, 100, 1400, 800]); % 设定一个较大的窗口 t tiledlayout(2, 3); % 2行3列布局 t.TileSpacing ‘compact‘; t.Padding ‘compact‘; title(t, ‘实验数据线性回归分析报告‘, ‘FontSize‘, 16, ‘FontWeight‘, ‘bold‘); %% 步骤3绘制主图 (原始数据与拟合线) - 占据左侧两行 ax_main nexttile([2, 2]); % 跨2行2列 scatter(ax_main, x_data, y_measured, 70, ‘filled‘, ‘MarkerFaceColor‘, [0.2, 0.6, 0.9], ‘MarkerEdgeColor‘, ‘k‘); hold(ax_main, ‘on‘); plot(ax_main, x_data, y_fitted, ‘r-‘, ‘LineWidth‘, 2.5); hold(ax_main, ‘off‘); % 添加标注拟合方程和R² fit_eqn sprintf(‘y %.2fx %.2f‘, p(1), p(2)); rsq 1 - sum(residuals.^2) / sum((y_measured - mean(y_measured)).^2); text(ax_main, 0.05, 0.95, {fit_eqn, [‘R^2 ‘, sprintf(‘%.4f‘, rsq)]}, ... ‘Units‘, ‘normalized‘, ‘VerticalAlignment‘, ‘top‘, ‘FontSize‘, 11, ... ‘BackgroundColor‘, ‘w‘, ‘EdgeColor‘, ‘gray‘); title(ax_main, ‘测量数据与线性拟合‘); xlabel(ax_main, ‘自变量 X‘); ylabel(ax_main, ‘因变量 Y‘); legend(ax_main, {‘测量数据‘, ‘线性拟合‘}, ‘Location‘, ‘northwest‘); grid(ax_main, ‘on‘); ax_main.FontSize 11; %% 步骤4绘制残差图 (右上角) ax_resid nexttile; scatter(ax_resid, x_data, residuals, 40, ‘filled‘, ‘MarkerFaceColor‘, [0.9, 0.4, 0.4]); hold(ax_resid, ‘on‘); % 画一条y0的参考线 yline(ax_resid, 0, ‘k--‘, ‘LineWidth‘, 1); hold(ax_resid, ‘off‘); title(ax_resid, ‘残差分布‘); xlabel(ax_resid, ‘自变量 X‘); ylabel(ax_resid, ‘残差 (Y_{meas} - Y_{fit})‘); grid(ax_resid, ‘on‘); ax_resid.FontSize 10; % 检查残差是否随机分布无趋势 % 可以添加一个趋势线看看 hold(ax_resid, ‘on‘); p_resid_trend polyfit(x_data, residuals, 1); y_resid_trend polyval(p_resid_trend, x_data); plot(ax_resid, x_data, y_resid_trend, ‘b:‘, ‘LineWidth‘, 1.2, ‘DisplayName‘, ‘残差趋势‘); hold(ax_resid, ‘off‘); legend(ax_resid, ‘show‘); %% 步骤5绘制残差直方图 (右中) ax_hist nexttile; histogram(ax_hist, residuals, 15, ‘FaceColor‘, [0.5, 0.8, 0.5], ‘EdgeColor‘, ‘k‘, ‘Normalization‘, ‘pdf‘); hold(ax_hist, ‘on‘); % 叠加一个正态分布曲线检查是否服从正态分布 mu mean(residuals); sigma std(residuals); x_norm linspace(min(residuals), max(residuals), 100); y_norm normpdf(x_norm, mu, sigma); plot(ax_hist, x_norm, y_norm, ‘r-‘, ‘LineWidth‘, 2); hold(ax_resid, ‘off‘); title(ax_hist, ‘残差分布直方图‘); xlabel(ax_hist, ‘残差值‘); ylabel(ax_hist, ‘概率密度‘); legend(ax_hist, {‘残差分布‘, ‘正态分布拟合‘}); grid(ax_hist, ‘on‘); ax_hist.FontSize 10; %% 步骤6绘制Q-Q图 (右下) - 检验正态性的另一种方法 ax_qq nexttile; % 使用统计工具箱中的qqplot如果没有可以手动实现或跳过 % 这里假设有统计工具箱 qqplot(ax_qq, residuals); title(ax_hist, ‘残差Q-Q图 (正态性检验)‘); grid(ax_qq, ‘on‘); ax_qq.FontSize 10; % 调整Q-Q图的标题和标签qqplot会自动设置我们覆盖它 title(ax_qq, ‘残差Q-Q图‘); xlabel(ax_qq, ‘标准正态分位数‘); ylabel(ax_qq, ‘残差分位数‘); %% 步骤7整体美化与输出 % 统一某些坐标轴范围例如让两个残差分析图的x轴范围与主图对齐如果需要 linkaxes([ax_main, ax_resid], ‘x‘); % 链接主图和残差图的x轴 xticklabels(ax_resid, {}); % 隐藏残差图的x轴刻度标签避免重复 % 可以调整一下布局边距 t.Padding ‘loose‘; % 从‘compact‘改为‘loose‘让图周围有点空间 % 如果需要保存为高分辨率图片 print(fig, ‘-dpng‘, ‘-r300‘, ‘Linear_Regression_Analysis.png‘); % 保存为300DPI的PNG % print(fig, ‘-dsvg‘, ‘Linear_Regression_Analysis.svg‘); % 保存为矢量图SVG用于论文通过这个综合案例你将图形标注标题、标签、图例、文本框、坐标控制linkaxes链接坐标轴、xlim/ylim调整范围、图形保持hold on在子图内叠加参考线以及图形窗口分割tiledlayout创建复杂布局全部融合在了一起。这张图的信息密度很高但布局清晰每个子图都有明确的职责共同支撑起“数据线性回归分析”这个主题。这正是一个专业图表该有的样子不仅仅是展示数据更是系统地讲述数据背后的故事。
Matlab绘图进阶：掌握图形标注、坐标控制与子图布局，绘制专业图表
发布时间：2026/8/1 11:08:34
1. 从“能画”到“画好”为什么图形辅助操作是Matlab进阶的必修课很多朋友在刚开始用Matlab画图时可能都经历过这样一个阶段用plot、scatter、bar这些基础命令把数据点扔到图上一看线是连上了点也撒上去了但总觉得哪里不对劲——图看起来“很Matlab”或者说很“学生气”。坐标轴范围不合适曲线挤在一起图例要么没有要么位置尴尬想在一张图里对比好几组数据结果后画的把先画的给覆盖了想给论文或者报告配张专业的插图却不知道如何添加箭头、文本框进行标注。这其实就是从“把图画出来”到“把图画好”之间的一道鸿沟而跨越这道鸿沟的关键就在于掌握标题里提到的这四项辅助操作图形标注、坐标控制、图形保持和图形窗口分割。我刚开始用Matlab做科研绘图时也吃了不少亏。导师看着我那默认坐标范围、没有误差棒、图例挤在角落里的图表直摇头说这图拿出去开会“不专业”。后来花了大量时间摸索才发现Matlab的绘图引擎其实非常强大只是它把“画数据”和“装饰图表”这两件事分开了。基础绘图函数负责生成数据的视觉映射而图的美观性、可读性和信息完整性则完全依赖于后续这一系列精细的辅助操作。这就像盖房子plot是砌好了墙而标注、坐标控制这些就是装修装修的水平直接决定了房子的最终品质和用途。掌握这些技能你的图将不再仅仅是数据的简单呈现而是会成为清晰、有力、甚至具有说服力的沟通工具。无论是学术论文、工程报告、数据分析简报还是课程作业一张精心修饰的图表都能让你的工作显得更加严谨和专业。接下来我就结合自己多年的使用经验把这四项核心辅助操作掰开揉碎了讲清楚其中会穿插大量你从官方文档里看不到的实战细节和避坑指南。2. 图形标注让你的图表会“说话”图形标注是给图表添加文字性说明是传递信息的关键。没有标注的图就像没有字幕的电影观众只能猜。Matlab提供了从标题、轴标签到图例、文本框、箭头等一整套标注工具。2.1 基础文本标注title,xlabel,ylabel,legend这是最常用的一组函数但用好它们需要一点技巧。x 0:0.1:2*pi; y1 sin(x); y2 cos(x); figure; plot(x, y1, ‘r-‘, ‘LineWidth‘, 2); % 画第一条线红色实线线宽2 hold on; % 先按下不表下文详解 plot(x, y2, ‘b--‘, ‘LineWidth‘, 2); % 画第二条线蓝色虚线线宽2 title(‘正弦与余弦函数曲线对比‘, ‘FontSize‘, 14, ‘FontWeight‘, ‘bold‘); xlabel(‘时间 / 弧度 (rad)‘, ‘FontSize‘, 12); ylabel(‘函数值‘, ‘FontSize‘, 12); legend({‘sin(x)‘, ‘cos(x)‘}, ‘Location‘, ‘best‘, ‘FontSize‘, 11); grid on; % 添加网格提高可读性实操心得1legend的位置玄学‘Location‘参数是图例的灵魂。‘best‘是让Matlab自动找一个遮挡最少的位置但有时它的“审美”很诡异。我常用的几个可靠选项是‘northoutside‘: 放在图的上方外部特别适合有多条曲线、图例较长的情况不占用绘图区域。‘eastoutside‘: 放在图的右侧外部这是论文插图中非常常见的版式整洁。‘southeast‘: 放在图的右下角内部如果绘图区域有空白这是个不错的选择。 永远不要用默认位置或者‘best‘就了事一定要根据你的图形空白区域手动调整到一个和谐的位置。你可以先用‘best‘然后通过图形窗口的“编辑图例”工具拖动到满意位置最后用legend(..., ‘Location‘, [x, y])来固定坐标这里的[x, y]是归一化坐标左下角为[0,0]右上角为[1,1]。实操心得2中文字体显示问题如果你在标题、标签中使用了中文很可能会显示为方框。这是因为默认字体不包含中文。一个一劳永逸的解决方法是在脚本开头或单独的执行命令中设置图形对象的默认字体set(0, ‘DefaultAxesFontName‘, ‘SimHei‘); % 设置坐标轴默认字体为黑体 set(0, ‘DefaultTextFontName‘, ‘SimHei‘); % 设置文本默认字体为黑体 % 或者使用系统自带的其他中文字体如‘Microsoft YaHei‘(雅黑)、‘SimSun‘(宋体)设置后本会话中创建的所有新图形都会使用该字体。你也可以针对单个文本对象设置title(‘标题‘, ‘FontName‘, ‘SimHei‘)。2.2 高级标注text,annotation与gtext当需要在图中特定数据点旁添加说明或者绘制箭头、矩形等形状时就需要用到高级标注。text函数在指定数据坐标处添加文字x linspace(0, 10, 100); y exp(-0.2*x) .* sin(x); plot(x, y); % 找到第一个峰值的大致位置这里假设我们知道在x≈2.5处 [peakVal, peakIdx] max(y); x_peak x(peakIdx); text(x_peak, peakVal, sprintf(‘峰值: %.3f‘, peakVal), ... ‘VerticalAlignment‘, ‘bottom‘, ‘HorizontalAlignment‘, ‘center‘, ... ‘BackgroundColor‘, ‘w‘, ‘EdgeColor‘, ‘k‘, ‘Margin‘, 2);‘VerticalAlignment‘和‘HorizontalAlignment‘控制文本相对于指定坐标(x_peak, peakVal)的对齐方式。‘bottom‘和‘center‘意味着文本的底部中心位于该坐标点。这个组合常用于在数据点上方标注。添加背景色(‘BackgroundColor‘)和边框(‘EdgeColor‘)能让文本在复杂的图中更醒目。annotation函数在图形窗口的“归一化坐标”中添加图形对象这是功能更强大的标注工具可以画箭头、直线、椭圆、矩形、文本框等。它的坐标不是数据坐标而是相对于整个图形窗口的[0,1]范围。% 添加一个从点(0.2, 0.8)到点(0.4, 0.6)的箭头归一化坐标 annotation(‘arrow‘, [0.2, 0.4], [0.8, 0.6], ‘Color‘, ‘r‘, ‘LineWidth‘, 1.5); % 添加一个文本框 annotation(‘textbox‘, [0.15, 0.15, 0.2, 0.1], ‘String‘, ‘重要区域‘, ... ‘FitBoxToText‘, ‘on‘, ‘BackgroundColor‘, ‘yellow‘, ‘EdgeColor‘, ‘none‘);[0.15, 0.15, 0.2, 0.1]表示文本框左下角位于窗口的(0.15, 0.15)位置宽度为0.2高度为0.1归一化单位。‘FitBoxToText‘, ‘on‘可以让文本框自动调整大小以适应文字非常实用。注意annotation的坐标是固定的窗口坐标不会随着你缩放、平移图形而改变。如果你希望标注跟随数据请使用text函数。annotation更适合添加那些与具体数据无关的说明性标记比如指向某个区域的箭头、图表的整体注释等。gtext函数交互式放置文本这是一个“懒人”但有时很有用的函数。执行gtext(‘请点击放置文字‘)后图形窗口会等待你用鼠标点击一个位置然后将文字放在那里。这在需要快速、粗略定位时很方便但不利于脚本的自动化执行和复现。3. 坐标控制驾驭图形的视野与尺度坐标轴是图表的骨架控制坐标轴就是控制读者观察数据的“窗口”。不当的坐标范围会扭曲数据呈现而恰当的设置则能突出关键信息。3.1 核心控制函数axis,xlim/ylim,xticks/yticksaxis函数一键式全局控制axis函数功能强大通过一个参数就能实现多种控制。plot(rand(10,1)); axis tight; % 让坐标轴范围紧贴数据范围不留太多空白 % axis equal; % 使x轴和y轴的刻度单位等长画圆的时候不会变成椭圆 % axis square; % 使坐标轴区域呈正方形 % axis off; % 关闭所有坐标轴、刻度和标签常用于图像显示 % axis on; % 打开坐标轴最常用的是axis tight和axis equal。在绘制几何图形或需要保持纵横比时axis equal至关重要。xlim,ylim精确设置范围这是最精细的控制方式。你明确告诉Matlab你想看哪一段数据。x 0:0.01:10; y sin(x) 0.1*randn(size(x)); % 带噪声的正弦波 plot(x, y); xlim([2, 8]); % 只看x从2到8的部分相当于“放大镜” ylim([-1.5, 1.5]); % 设置y轴范围可以突出波动细节在对比多个子图时统一它们的坐标轴范围是必须的否则视觉上会产生误导。例如比较两个不同量级但需要观察变化趋势的数据时可能需要分别设置ylim而比较相同物理量的不同实验组时则必须强制设置相同的ylim。xticks,yticks,xticklabels,yticklabels控制刻度与标签这是提升图表专业性的高级技巧。默认的自动刻度可能不理想比如你希望x轴只显示整数或者在特定位置显示自定义标签如类别名称。x 1:5; sales [100, 150, 120, 200, 180]; bar(x, sales); xticks(1:5); % 确保刻度在1,2,3,4,5的位置 xticklabels({‘Q1‘, ‘Q2‘, ‘Q3‘, ‘Q4‘, ‘Annual‘}); % 设置刻度标签 ylabel(‘销售额 (万元)‘); title(‘季度销售额统计‘);对于时间序列这个功能尤其有用可以将数字时间戳转换为可读的日期字符串。3.2 双y轴与坐标轴比例yyaxis与semilogyyyaxis左右开弓当需要在一张图上对比两个量纲不同、但存在关联的数据序列时双y轴是标准做法。x 0:0.1:10; y1 sin(x); % 假设是温度℃ y2 50 * cos(x) 100; % 假设是湿度% figure; yyaxis left; % 激活左侧y轴 plot(x, y1, ‘b-‘, ‘LineWidth‘, 2); ylabel(‘温度 (℃)‘, ‘Color‘, ‘b‘); % 标签颜色与曲线对应 ylim([-1.5, 1.5]); yyaxis right; % 激活右侧y轴 plot(x, y2, ‘r--‘, ‘LineWidth‘, 2); ylabel(‘相对湿度 (%)‘, ‘Color‘, ‘r‘); ylim([50, 150]); xlabel(‘时间‘); title(‘温湿度随时间变化曲线‘); grid on;重要提示使用双y轴时务必通过颜色、线型等手段清晰区分左右轴的数据并在图例中明确说明。滥用双y轴可能导致误导性解读因为它改变了数据的基准线。对数坐标semilogy,semilogx,loglog当数据跨越多个数量级时如信号频谱、微生物数量增长、金融收益率使用对数坐标可以更清晰地展示变化规律。f logspace(0, 5, 1000); % 频率从10^0到10^5 Hz H 1 ./ (1 1j*f/1000); % 一个简单的一阶低通滤波器频率响应 magnitude abs(H); figure; subplot(2,1,1); semilogx(f, 20*log10(magnitude)); % x轴对数y轴分贝也是对数 xlabel(‘频率 (Hz)‘); ylabel(‘增益 (dB)‘); title(‘滤波器幅频响应 (Bode图)‘); grid on; subplot(2,1,2); semilogx(f, angle(H)*180/pi); % 相位 xlabel(‘频率 (Hz)‘); ylabel(‘相位 (度)‘); grid on;semilogx让x轴按对数尺度显示但坐标值仍然是原始的f。Matlab会自动计算并显示对数刻度。loglog则是两个轴都用对数尺度。4. 图形保持与覆盖hold on的智慧与陷阱hold on命令是Matlab绘图中最基础也最容易出错的概念之一。它的作用是保持当前图形窗口和坐标轴的状态使后续的绘图命令能在已有的图形上叠加而不是清空重绘。4.1hold on的正确使用姿势x linspace(0, 2*pi, 100); y_sin sin(x); y_cos cos(x); figure; % 创建新图形窗口 plot(x, y_sin, ‘r-‘); % 第一次plot绘制红色正弦曲线 hold on; % 开启保持状态 plot(x, y_cos, ‘b--‘); % 第二次plot蓝色虚线余弦曲线叠加在上图 hold off; % 关闭保持状态这是一个好习惯 title(‘使用hold on叠加图形‘); legend(‘sin(x)‘, ‘cos(x)‘);如果没有hold on第二条plot命令会清空第一条曲线只显示余弦曲线。为什么需要hold off这是一个编程习惯问题。保持状态是全局的如果你在一个脚本中打开了hold on但忘记关闭那么后续所有针对这个坐标轴的绘图命令都会叠加可能导致意想不到的混乱。显式地使用hold off就像用完工具后放回原处让代码更清晰、更安全。另一种更现代、更推荐的方式是直接指定目标坐标轴ax axes; % 创建一个坐标轴对象并获取其句柄 plot(ax, x, y_sin, ‘r-‘); plot(ax, x, y_cos, ‘b--‘); % 直接向同一个坐标轴句柄ax绘图无需hold on这种方式逻辑更清晰尤其在处理多个图形窗口和子图时。4.2hold on的常见“坑”与排查坑1属性重置hold on只保持图形内容线条、散点等但像xlabel,title,grid这些坐标轴属性如果在hold on之后再次设置会正常生效。然而如果你在hold on后执行了plot(…, ‘Property‘, Value)并希望通过它来改变坐标轴范围可能会发现不生效因为hold on状态下plot会尽量不改变现有坐标轴范围以适应新数据。此时应使用xlim/ylim来强制设置。坑2与cla(clear axes) 的混淆有时我们想清空当前坐标轴重新画错误地使用了hold off; plot(...)。实际上hold off只是关闭叠加模式并不会清空已有图形。正确的清空命令是cla。% 错误示范 plot(x, y1); hold off; % 只是关闭hold图形还在 plot(x, y2); % 这会清空y1只画y2但意图可能是“清空重画” % 正确示范 plot(x, y1); cla; % 清空坐标轴 plot(x, y2); % 画新的图形 % 或者更清晰的 cla reset; % 清空坐标轴并重置所有属性 plot(x, y2);坑3在循环中滥用在循环中绘图时如果不加控制地使用hold on会导致性能下降和图形混乱。% 低效做法 figure; hold on; for i 1:100 y randn(100,1)*i; plot(y); % 每次循环都画一条线生成100个图形对象 end hold off; % 高效做法预分配图形对象或使用‘LineStyle‘, ‘none‘先画点最后连线 % 或者如果只是看最终结果可以在循环内计算数据循环外一次性绘图。5. 图形窗口分割subplot与tiledlayout的布局艺术当我们需要并排比较多个相关图形时分割图形窗口是标准操作。Matlab提供了两种主要工具经典的subplot和R2019b后引入的更强大的tiledlayout。5.1 经典工具subplot(m, n, p)subplot将图形窗口划分为一个m行n列的网格并激活第p个子区域进行绘图。p按行优先顺序编号即先填满第一行再第二行。x 0:0.1:10; y1 sin(x); y2 cos(x); y3 exp(-0.1*x) .* sin(x); y4 randn(size(x)); figure(‘Position‘, [100, 100, 1200, 800]); % 设置图形窗口位置和大小 subplot(2, 2, 1); % 2行2列激活第1块 plot(x, y1); title(‘正弦波‘); grid on; subplot(2, 2, 2); plot(x, y2); title(‘余弦波‘); grid on; subplot(2, 2, 3); plot(x, y3); title(‘衰减正弦波‘); grid on; subplot(2, 2, 4); histogram(y4, 30); % 在第4块画直方图 title(‘随机噪声分布‘); grid on; sgtitle(‘多子图示例‘); % R2018b后可用为整个图窗添加总标题subplot的局限性间距死板子图之间的间距是固定的调整起来很麻烦需要通过subplot(‘Position‘, [left, bottom, width, height])来手动设置每个子图的位置计算复杂。共享坐标轴困难虽然可以通过linkaxes函数链接多个坐标轴的缩放但设置共享的x轴或y轴标签比较繁琐。颜色栏和图例布局当子图中包含colorbar或大型legend时很容易与其他子图重叠。5.2 现代布局tiledlayout与nexttile(推荐)从R2019b开始tiledlayout提供了更灵活、更强大的布局控制彻底解决了subplot的痛点。x linspace(0, 2*pi, 200); y1 sin(x); y2 cos(x); y3 sin(x).*cos(x); y4 sin(x) 0.1*randn(size(x)); fig figure(‘Position‘, [100, 100, 1000, 700]); t tiledlayout(2, 2); % 创建一个2x2的平铺布局 t.TileSpacing ‘compact‘; % 设置子图间距为‘compact‘, ‘loose‘, 或 ‘none‘ t.Padding ‘compact‘; % 设置布局与图窗边缘的边距 % 在第一个位置绘图 nexttile; % 自动移动到下一个可用的瓦片Tile plot(x, y1, ‘LineWidth‘, 1.5); title(‘正弦函数‘); grid on; nexttile; plot(x, y2, ‘LineWidth‘, 1.5, ‘Color‘, ‘r‘); title(‘余弦函数‘); grid on; nexttile; plot(x, y3, ‘LineWidth‘, 1.5, ‘Color‘, ‘g‘); title(‘乘积函数‘); grid on; nexttile; scatter(x, y4, 10, ‘filled‘); % 散点图 title(‘带噪声的正弦信号‘); grid on; % 为整个布局添加共享标签和总标题 xlabel(t, ‘时间 / 弧度 (rad)‘, ‘FontSize‘, 11); ylabel(t, ‘函数值‘, ‘FontSize‘, 11); title(t, ‘三角函数及其衍生图形‘, ‘FontSize‘, 14, ‘FontWeight‘, ‘bold‘);tiledlayout的核心优势灵活的间距与边距控制通过TileSpacing和Padding属性轻松调整告别复杂的像素计算。轻松创建跨越多行/列的子图t tiledlayout(3, 3); nexttile([2, 2]); % 这个子图占据2行2列 plot(rand(10,4)); title(‘主图‘); nexttile; % 占据(1,3)位置 plot(rand(5,1)); title(‘小图1‘); nexttile; % 占据(2,3)位置 plot(rand(5,1)); title(‘小图2‘); nexttile([1, 3]); % 这个子图占据第3行横跨3列 bar(rand(1,5)); title(‘底部长条图‘);完美的共享坐标轴t tiledlayout(2,1); ax1 nexttile; plot(ax1, rand(10,1)); ax2 nexttile; plot(ax2, rand(10,1)); % 链接x轴缩放时联动 linkaxes([ax1, ax2], ‘x‘); % 隐藏ax1的x轴刻度标签使图更紧凑 xticklabels(ax1, {}); xlabel(t, ‘共享的X轴标签‘); % 只在底部添加一个共享标签优雅的Colorbar和Legend布局tiledlayout可以为整个布局分配一个colorbar或legend而不是属于某个特定的子图自动安排位置避免重叠。t tiledlayout(1,2); nexttile; contourf(peaks); colorbar; % 这个colorbar只属于第一个子图 nexttile; imagesc(magic(10)); % 如果想为整个布局添加一个colorbar可以 % cb colorbar(t); % cb.Layout.Tile ‘east‘; % 放在布局的右侧实战选择建议对于新的项目或脚本除非有兼容旧版本Matlab的硬性要求否则一律推荐使用tiledlayout。它的API更现代布局控制能力远超subplot能节省大量调整排版的时间。6. 综合案例绘制一份专业的数据分析报告图让我们把前面所有的知识点串联起来完成一个稍微复杂但很常见的任务绘制一份包含原始数据、拟合曲线、残差分析以及分布统计的多面板专业图表。%% 步骤1生成模拟数据与计算 % 假设我们有一组实验测量数据并试图用线性模型拟合 x_data 1:20; y_true 2.5 * x_data 1.8; % 真实关系 noise 5 * randn(size(x_data)); % 加入随机噪声 y_measured y_true noise; % 测量值 % 使用polyfit进行一阶线性拟合 p polyfit(x_data, y_measured, 1); % p(1)是斜率p(2)是截距 y_fitted polyval(p, x_data); % 计算拟合值 % 计算残差 residuals y_measured - y_fitted; %% 步骤2创建图形窗口与布局 fig figure(‘Position‘, [100, 100, 1400, 800]); % 设定一个较大的窗口 t tiledlayout(2, 3); % 2行3列布局 t.TileSpacing ‘compact‘; t.Padding ‘compact‘; title(t, ‘实验数据线性回归分析报告‘, ‘FontSize‘, 16, ‘FontWeight‘, ‘bold‘); %% 步骤3绘制主图 (原始数据与拟合线) - 占据左侧两行 ax_main nexttile([2, 2]); % 跨2行2列 scatter(ax_main, x_data, y_measured, 70, ‘filled‘, ‘MarkerFaceColor‘, [0.2, 0.6, 0.9], ‘MarkerEdgeColor‘, ‘k‘); hold(ax_main, ‘on‘); plot(ax_main, x_data, y_fitted, ‘r-‘, ‘LineWidth‘, 2.5); hold(ax_main, ‘off‘); % 添加标注拟合方程和R² fit_eqn sprintf(‘y %.2fx %.2f‘, p(1), p(2)); rsq 1 - sum(residuals.^2) / sum((y_measured - mean(y_measured)).^2); text(ax_main, 0.05, 0.95, {fit_eqn, [‘R^2 ‘, sprintf(‘%.4f‘, rsq)]}, ... ‘Units‘, ‘normalized‘, ‘VerticalAlignment‘, ‘top‘, ‘FontSize‘, 11, ... ‘BackgroundColor‘, ‘w‘, ‘EdgeColor‘, ‘gray‘); title(ax_main, ‘测量数据与线性拟合‘); xlabel(ax_main, ‘自变量 X‘); ylabel(ax_main, ‘因变量 Y‘); legend(ax_main, {‘测量数据‘, ‘线性拟合‘}, ‘Location‘, ‘northwest‘); grid(ax_main, ‘on‘); ax_main.FontSize 11; %% 步骤4绘制残差图 (右上角) ax_resid nexttile; scatter(ax_resid, x_data, residuals, 40, ‘filled‘, ‘MarkerFaceColor‘, [0.9, 0.4, 0.4]); hold(ax_resid, ‘on‘); % 画一条y0的参考线 yline(ax_resid, 0, ‘k--‘, ‘LineWidth‘, 1); hold(ax_resid, ‘off‘); title(ax_resid, ‘残差分布‘); xlabel(ax_resid, ‘自变量 X‘); ylabel(ax_resid, ‘残差 (Y_{meas} - Y_{fit})‘); grid(ax_resid, ‘on‘); ax_resid.FontSize 10; % 检查残差是否随机分布无趋势 % 可以添加一个趋势线看看 hold(ax_resid, ‘on‘); p_resid_trend polyfit(x_data, residuals, 1); y_resid_trend polyval(p_resid_trend, x_data); plot(ax_resid, x_data, y_resid_trend, ‘b:‘, ‘LineWidth‘, 1.2, ‘DisplayName‘, ‘残差趋势‘); hold(ax_resid, ‘off‘); legend(ax_resid, ‘show‘); %% 步骤5绘制残差直方图 (右中) ax_hist nexttile; histogram(ax_hist, residuals, 15, ‘FaceColor‘, [0.5, 0.8, 0.5], ‘EdgeColor‘, ‘k‘, ‘Normalization‘, ‘pdf‘); hold(ax_hist, ‘on‘); % 叠加一个正态分布曲线检查是否服从正态分布 mu mean(residuals); sigma std(residuals); x_norm linspace(min(residuals), max(residuals), 100); y_norm normpdf(x_norm, mu, sigma); plot(ax_hist, x_norm, y_norm, ‘r-‘, ‘LineWidth‘, 2); hold(ax_resid, ‘off‘); title(ax_hist, ‘残差分布直方图‘); xlabel(ax_hist, ‘残差值‘); ylabel(ax_hist, ‘概率密度‘); legend(ax_hist, {‘残差分布‘, ‘正态分布拟合‘}); grid(ax_hist, ‘on‘); ax_hist.FontSize 10; %% 步骤6绘制Q-Q图 (右下) - 检验正态性的另一种方法 ax_qq nexttile; % 使用统计工具箱中的qqplot如果没有可以手动实现或跳过 % 这里假设有统计工具箱 qqplot(ax_qq, residuals); title(ax_hist, ‘残差Q-Q图 (正态性检验)‘); grid(ax_qq, ‘on‘); ax_qq.FontSize 10; % 调整Q-Q图的标题和标签qqplot会自动设置我们覆盖它 title(ax_qq, ‘残差Q-Q图‘); xlabel(ax_qq, ‘标准正态分位数‘); ylabel(ax_qq, ‘残差分位数‘); %% 步骤7整体美化与输出 % 统一某些坐标轴范围例如让两个残差分析图的x轴范围与主图对齐如果需要 linkaxes([ax_main, ax_resid], ‘x‘); % 链接主图和残差图的x轴 xticklabels(ax_resid, {}); % 隐藏残差图的x轴刻度标签避免重复 % 可以调整一下布局边距 t.Padding ‘loose‘; % 从‘compact‘改为‘loose‘让图周围有点空间 % 如果需要保存为高分辨率图片 print(fig, ‘-dpng‘, ‘-r300‘, ‘Linear_Regression_Analysis.png‘); % 保存为300DPI的PNG % print(fig, ‘-dsvg‘, ‘Linear_Regression_Analysis.svg‘); % 保存为矢量图SVG用于论文通过这个综合案例你将图形标注标题、标签、图例、文本框、坐标控制linkaxes链接坐标轴、xlim/ylim调整范围、图形保持hold on在子图内叠加参考线以及图形窗口分割tiledlayout创建复杂布局全部融合在了一起。这张图的信息密度很高但布局清晰每个子图都有明确的职责共同支撑起“数据线性回归分析”这个主题。这正是一个专业图表该有的样子不仅仅是展示数据更是系统地讲述数据背后的故事。
