Wie verhindere ich abgeschnittene Labels bei plt.savefig?

Speichere mit bbox_inches='tight', zum Beispiel plt.savefig('plot.png', dpi=300, bbox_inches='tight'). Für neuen Code ist plt.subplots(layout='constrained') oft stabiler.

Was macht bbox_inches='tight'?

Es berechnet den gespeicherten Bereich neu, sodass Labels, Titel, Legenden und Annotationen außerhalb der Achsen mit exportiert werden.

Wann nutze ich layout='constrained' statt bbox_inches='tight'?

layout='constrained' ist besser beim Erstellen neuer Figures mit Subplots, Colorbars oder Legenden. bbox_inches='tight' ist der schnelle Export-Fix.

Warum ist mein Bild nach plt.show() leer?

Manche Backends schließen die Figure bei plt.show(). Rufe zuerst fig.savefig() oder plt.savefig() auf und danach plt.show().

Welche DPI sollte ich für savefig verwenden?

150 DPI reichen oft für Web und Präsentationen, 300 DPI für Berichte und Druck. Für skalierbare Grafiken nutze SVG oder PDF.

plt.savefig in Python: bbox_inches, DPI und abgeschnittene Labels

Name: Amber de Ligt

Veröffentlicht am 17.11.2025

Aktualisiert am 25.5.2026

Praktische Matplotlib-savefig-Hilfe: Labels mit bbox_inches='tight' reparieren, DPI/PNG/SVG/PDF wählen und leere Bilder nach plt.show() vermeiden.

Wenn du eine Matplotlib-Grafik speichern willst, ist fig.savefig("plot.png", dpi=300, bbox_inches="tight") der beste Startpunkt. Die deutschen GSC-Daten zeigen vor allem Sichtbarkeit für plt.savefig, plt savefig, python savefig und pyplot savefig, deshalb ist diese Seite als praktische Kurzreferenz optimiert, nicht als allgemeine API-Dokumentation.

Sie erklärt abgeschnittene Labels, bbox_inches='tight', layout="constrained", DPI, PNG/SVG/PDF und leere Bilder nach plt.show().

savefig-Kurzreferenz

fig.savefig(
    "plot.png",
    dpi=300,
    bbox_inches="tight",
    pad_inches=0.1,
)

Problem	Zuerst versuchen
Labels, Titel oder Legende abgeschnitten	`bbox_inches="tight"`
Neuer Matplotlib-Code	`plt.subplots(layout="constrained")`
Gespeichertes Bild ist leer	`savefig()` vor `plt.show()` aufrufen
Zu viel Rand um die Grafik	`bbox_inches="tight", pad_inches=0`
Hochauflösende Ausgabe	`dpi=300` oder SVG/PDF

Leeres Bild nach plt.show(): zuerst speichern

In vielen Skripten kann ein blockierendes plt.show() die Figure schließen oder aus pyplot entfernen. Wenn du danach plt.savefig() aufrufst, wird möglicherweise eine neue, leere Figure gespeichert.

fig, ax = plt.subplots()
ax.plot([1, 2, 3], [1, 4, 9])
fig.savefig("chart.png", dpi=300, bbox_inches="tight")
plt.show()

🧠 Warum das passiert

Matplotlib vergrößert die Figure-Leinwand nicht automatisch, wenn Beschriftungen über die Achsen hinaus ragen. Häufige Ursachen sind:

LaTeX-Ausdrücke, die hohe Symbole erzeugen
Große fontsize-Werte
Lange oder rotierte Tick-Beschriftungen
Dichte Subplot-Gitter

Beispiel:

matplotlib-savefig-label-clipping-example

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

✅ 1. Moderne Standardlösung (empfohlen): `layout="constrained"` verwenden

In aktuellem Matplotlib ist eine klare Art, das empfohlene Layout zu aktivieren:

fig, ax = plt.subplots(layout="constrained")

Beispiel:

fig, ax = plt.subplots(figsize=(7, 5), layout="constrained")
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-Grids

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

✅ 2. Ränder manuell mit `subplots_adjust` anpassen

Immer noch eine einfache und wirksame Methode:

plt.subplots_adjust(bottom=0.15)

Oder an der Figure:

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

Erhöhe den Randwert, bis Beschriftungen nicht mehr überlappen oder abgeschnitten werden.

✅ 3. `tight_layout()` verwenden (älter, aber noch 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
layout="constrained" ist inzwischen die bevorzugte Lösung

✅ 4. Speichern mit `bbox_inches="tight"` (sehr guter Schnellfix)

Eine vielgenutzte Lösung gegen Abschneiden:

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

Wann verwenden?

Schneller Fix, ohne das Layout zu ändern
Stellt sicher, dass alles, was auf dem Bildschirm sichtbar wäre, auch in der Datei landet

✅ 5. Automatisches Layout mit rcParams aktivieren

Wenn du eine dauerhafte Lösung möchtest, die für alle Plots gilt:

rcParams zur Laufzeit aktualisieren:

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

ODER `matplotlibrc` konfigurieren:

figure.autolayout : True

Das hilft, konsistente Ergebnisse über verschiedene Systeme hinweg zu erzielen.

📌 Übersichtstabelle: Welche Methode sollte ich verwenden?

Methode	Wann verwenden	Am besten geeignet für
`layout="constrained"`	Standardwahl	Modernes Layout, Subplots, Legenden
`bbox_inches='tight'`	Schneller Fix beim Speichern	Exporte einzelner Plots
`tight_layout()`	Legacy-Code	Einfache Subplot-Grids
`subplots_adjust()`	Volle manuelle Kontrolle gewünscht	Feintuning für Publikationsgrafiken
`figure.autolayout=True`	Projektweiter Standard	Konsistenz über Systeme hinweg

💡 Zusätzliche Tipps für perfekte Grafiken

✔ Höhere DPI verwenden, um Probleme mit langen Beschriftungen zu reduzieren

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

✔ Extrem große Schriftgrößen vermeiden

Sehr große Fonts erhöhen die Wahrscheinlichkeit, dass etwas abgeschnitten wird.

✔ Für Colorbars: `constrained_layout` verwenden

Das funktioniert deutlich besser als tight_layout.

📊 Visualisierungen ohne manuelles Layout-Fixing erstellen (PyGWalker)

Wenn du Matplotlib hauptsächlich nutzt, um DataFrames zu visualisieren, musst du Layouts möglicherweise gar nicht mehr manuell anpassen.

Du kannst einfach:

Deinen DataFrame laden
Felder per Drag-and-Drop anordnen
Diagramme sofort generieren

Mit PyGWalker, einem Open-Source-Visualisierungstool:

(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

Häufige Fragen

Wie verhindere ich abgeschnittene Labels bei plt.savefig? Speichere mit bbox_inches='tight', zum Beispiel plt.savefig("plot.png", dpi=300, bbox_inches="tight"). Für neuen Code ist plt.subplots(layout="constrained") oft stabiler.
Was macht bbox_inches="tight"? Es berechnet den gespeicherten Bereich neu, sodass Labels, Titel, Legenden und Annotationen außerhalb der Achsen mit exportiert werden.
Wann nutze ich layout="constrained" statt bbox_inches='tight'? layout="constrained" ist besser beim Erstellen neuer Figures mit Subplots, Colorbars oder Legenden. bbox_inches='tight' ist der schnelle Export-Fix.
Warum ist mein Bild nach plt.show() leer? Manche Backends schließen die Figure bei plt.show(). Rufe zuerst fig.savefig(...) oder plt.savefig(...) auf und danach plt.show().
Welche DPI sollte ich für savefig verwenden? 150 DPI reichen oft für Web und Präsentationen, 300 DPI für Berichte und Druck. Für skalierbare Grafiken nutze SVG oder PDF.