Behebungs-Guide 2025: Wenn Matplotlib savefig Labels abschneidet

Name

Amber de Ligt

Updated on 15.1.2025

Wenn du je einen Matplotlib-Plot hattest, der im Notebook perfekt aussah — aber beim Export mit savefig() abgeschnittene, beschnittene oder fehlende Labels hatte — bist du nicht allein.

Das ist eine der häufigsten Frustrationen mit Matplotlib, insbesondere bei:

• hohen, LaTeX-gerenderten Achsenbeschriftungen
• mehrzeiligen Titeln
• rotierten oder sehr langen Tick-Labels
• Subplots mit engem Abstand

In diesem aktualisierten Guide für 2025 lernst du alle zuverlässigen Methoden, damit gespeicherte Grafiken immer alle Labels, Titel und Annotationen enthalten — mit modernen Best Practices, auf die du dich verlassen kannst.

🧠 Warum das passiert

Matplotlib erweitert die Figure-Canvas nicht automatisch, wenn Labels über die Achsen hinausragen.
Häufige Ursachen sind:

• LaTeX-Ausdrücke, die hohe Symbole rendern
• große fontsize-Werte
• lange oder rotierte Tick-Labels
• dichte Subplot-Raster

Beispiel:

import matplotlib.pyplot as plt
 
plt.figure()
plt.ylabel(r'$\ln\left(\frac{x_a-x_b}{x_a-x_c}\right)$')
plt.xlabel(r'$\ln\left(\frac{x_a-x_d}{x_a-x_e}\right)$', fontsize=50)
plt.title('Example with matplotlib 3.4.2\nLabel clipping example')
plt.show()

Die y-Achse ist sichtbar, aber die x-Achsenbeschriftung wird in der gespeicherten Grafik oft abgeschnitten.

✅ 1. Moderne Standardlösung (empfohlen): constrained_layout=True verwenden

Seit Matplotlib 3.6+ (und weiterhin 3.8+ im Jahr 2025) ist die empfohlene Layout-Methode:

fig, ax = plt.subplots(constrained_layout=True)

Beispiel:

fig, ax = plt.subplots(figsize=(7, 5), constrained_layout=True)
ax.set_xlabel("Very long bottom label that usually gets clipped", fontsize=16)
ax.set_ylabel("Tall math label:\n$\\frac{x_a - x_b}{x_c}$")
fig.savefig("figure.png")

✔ Vorteile

• Modern und stabil
• Funktioniert besser als tight_layout()
• Funktioniert gut mit Colorbars, Legenden und Subplots

⚠ Nachteile

• Etwas langsamer bei großen Subplot-Rastern

Wenn du 2025 neuen Matplotlib-Code schreibst, sollte das deine Standardwahl sein.

✅ 2. Ränder manuell mit subplots_adjust anpassen

Immer noch eine einfache und effektive Methode:

plt.subplots_adjust(bottom=0.15)

Oder auf der Figure:

plt.gcf().subplots_adjust(bottom=0.18)

Erhöhe den Randwert so lange, bis Labels nicht mehr abgeschnitten werden oder überlappen.

✅ 3. tight_layout() nutzen (älter, aber weiterhin nützlich)

tight_layout() passt Abstände automatisch an:

fig, axes = plt.subplots(ncols=2, nrows=2, figsize=(8, 6))
for ax in axes.flatten():
    ax.set_xlabel("Example X label")
    ax.set_ylabel("Example Y label")
 
plt.tight_layout()
plt.show()

Hinweise

• Gut für einfache Plots
• Kann mit Legenden und Colorbars Probleme haben
• constrained_layout=True ist heute die bevorzugte Lösung

✅ 4. Speichern mit bbox_inches="tight" (sehr praktischer Schnell-Fix)

Eine weit verbreitete Lösung gegen abgeschnittene Inhalte:

plt.savefig("myfile.png", bbox_inches="tight")

Wann verwenden?

• Schnelle Lösung, ohne das Layout zu ändern
• Stellt sicher, dass alles, was auf dem Bildschirm sichtbar ist, auch in der Datei landet

✅ 5. Automatisches Layout über rcParams aktivieren

Wenn du eine dauerhafte Lösung für alle Plots möchtest:

rcParams zur Laufzeit setzen:

from matplotlib import rcParams
rcParams.update({"figure.autolayout": True})

ODER in matplotlibrc konfigurieren:

figure.autolayout : True

Das hilft, konsistente Ergebnisse über verschiedene Umgebungen und Maschinen hinweg zu erreichen.

📌 Übersichtstabelle: Welche Methode soll ich verwenden?

💡 Zusätzliche Tipps für perfekte Grafiken

✔ Höhere DPI nutzen, um Probleme mit langen Labels zu reduzieren

plt.savefig("fig.png", dpi=200, bbox_inches="tight")

✔ Extrem große Schriftgrößen vermeiden

Sehr große Fonts erhöhen das Risiko von abgeschnittenen Labels.

✔ Für Colorbars: constrained_layout verwenden

Das funktioniert deutlich besser als tight_layout.

📊 Visualisierungen ohne manuelles Layout-Fixing erstellen (PyGWalker)

Wenn du Matplotlib hauptsächlich zur Visualisierung von DataFrames verwendest, musst du das Layout möglicherweise gar nicht mehr manuell anpassen.

Du kannst einfach:

• deinen DataFrame laden
• Felder per Drag-and-drop platzieren
• Diagramme sofort generieren

Mit PyGWalker, einem Open-Source-Tool für Visualisierung:

(opens in a new tab)

So verwendest du es:

pip install pygwalker
import pygwalker as pyg
gwalker = pyg.walk(df)

Oder probiere es online aus:

Kaggle	Google Colab	GitHub

❓ Häufig gestellte Fragen

1. Warum werden meine Labels beim Speichern einer Matplotlib-Figure abgeschnitten?
   Weil Matplotlib die Figure-Canvas nicht automatisch vergrößert, wenn Labels über die Achsenbegrenzungen hinausragen. Das ist besonders häufig bei LaTeX-Labels oder rotiertem Text.

2. Welche Methode behebt abgeschnittene Labels im Jahr 2025 am zuverlässigsten?
   Verwende constrained_layout=True für modernen Code oder bbox_inches='tight' als schnellen Fix beim Export.

3. Was macht bbox_inches="tight"?
   Es berechnet die Bounding Box beim Speichern neu und stellt sicher, dass alle Textelemente enthalten sind.