企业官网建设流程全解析

写论文或者做汇报图的时候，Matlab里最耗时间的环节往往不是跑仿真计算，而是子图排版。我最早用subplot画多子图，每次都要手动调间距，后来换了社区的tight_subplot，R2019b之后又开始用官方的tiledlayout。这三条路线我都完整走过，处理的图从简单的2x2到需要统一坐标轴、共享图例的复杂组合都有，踩过的坑也不少。这篇就专门聊一聊Matlab子图排版这件事，把tight_subplot和tiledlayout的实战效果、适用边界、代码写法放在一起对比，给正在纠结选哪个方案的读者一个可以直接参考的结论。

和你先交个底：这篇文章不是简单的API科普，而是我从实际出图流程里总结出来的经验。尤其是最近做一批需要“多子图 + 统一配色 + 直接导出PNG/PDF”的实验图，全程体验非常有代表性，踩过的坑也很有价值。无论是刚入门Matlab画图的新手，还是被subplot折磨已久的老用户，这篇应该都能给你一些有用的东西。

1. 为什么subplot总是“差一点”：默认间距背后的排版逻辑

1.1 subplot的网格逻辑和默认留白

subplot的本质是在figure上按m行n列建立一个虚拟网格，每次调用subplot(m,n,p)就在对应位置创建一个axes对象。很多入门教程都会告诉你“subplot很方便，一行代码就能生成子图”，但它从设计之初就没有把“紧凑排版”当成核心目标，更没有提供语义化的留白控制。默认状态下，每个axes四周都保留了大量空白，相邻子图之间的间隙尤其明显。

看一下这个最常见的demo：

figure; for k = 1:4 subplot(2, 2, k); plot(1:100, cumsum(randn(100, 1))); title(sprintf('Subplot %d', k)); xlabel('x'); ylabel('y'); end

运行之后你就能感受到问题：左右两列子图之间的间隙非常大，顶部和底部的留白也多得莫名其妙。每个子图自带title、xlabel、ylabel之后，相邻子图的y轴刻度数字会和上一个子图的x轴标签挤在一起，视觉上非常难受。这种图如果直接截图放进论文，你会明显觉得版面利用率低，信息密度不够。

那有人会说，subplot不是有Position属性可以调吗？确实可以，但那是另一套麻烦。单独看subplot本身，它只能控制“子图在网格中的位置”，无法直接控制“子图之间的间隙”和“整张画布的边距”。所以默认效果才总是显得很松散。这也是后面tight_subplot和tiledlayout能取代它的根本原因。

1.2 手动调Position为什么是个无底洞

为什么用过subplot的人，后来几乎都逃不掉手动调Position？因为想要紧凑布局，只能拿到axes句柄之后逐个用set(gca, 'Position', [...])去改坐标。这里的Position是相对于figure的归一化坐标，四元组分别表示左下角的x、y坐标以及宽度和高度。一旦子图数量多了，每个子图的x、y、width、height都得自己按比例算。

figure; hold on; h(1) = axes('Position', [0.10 0.55 0.35 0.35]); h(2) = axes('Position', [0.55 0.55 0.35 0.35]); h(3) = axes('Position', [0.10 0.10 0.35 0.35]); h(4) = axes('Position', [0.55 0.10 0.35 0.35]);

你可以看到，凡是手写Position方案的人，都在做同一件事：把figure的整个宽度拆成“左边距 + 子图宽度 + 中间间隙 + 子图宽度 + 右边距”。这个比例一旦要改，比如从双栏图改成单栏图，所有坐标都得重算。更烦的是，最后用set(gcf, 'PaperPosition', ...)或者print导出时，figure尺寸变化后这些归一化位置并不一定按预期效果缩放，又是一轮重新调整。

我个人的体会是，subplot适合“快速浏览”，比如脚本调试时临时看看几条曲线长什么样，但完全不适合“定稿出图”。如果你要做论文图、实验报告图、作业图，用subplot默认排版基本等于给自己挖坑。明白了这一点，再去看tight_subplot和tiledlayout的定位就会清晰很多——它们都是为了解决subplot这个“最后差一点”的问题而出现的。

2. tight_subplot：社区方案为什么能流传十几年

2.1 一个函数解决80%的排版需求

tight_subplot是MathWorks File Exchange上的经典函数，作者是Pekka Kumpulainen，最早发布于很多年前，至今仍在广泛使用。它的作用是生成一组位置统一、间隙可控的axes，让你不用再手动计算坐标比例。

为什么这个社区函数能流传这么久？因为它本质上是把“手动算Position”这套重复劳动做成了参数化封装。你只需要告诉它行列数、子图间隙、四周留白，它就能一次性算好所有axes的Position。虽然底层仍然是设Position，但你不必再手工算比例，这就是最大的价值。

很多老版本的Matlab没有官方紧凑布局方案，而tight_subplot只有一个.m文件，没有任何依赖，复制到搜索路径里就能用。这一点让它在高校和工业界都流传很广。我做图像处理大作业的时候用过它，做深度学习训练曲线可视化的时候也用过它，稳定性和可移植性都经得起考验。

2.2 参数拆解与代码模板

tight_subplot的调用格式是这样的：

[ha, pos] = tight_subplot(rows, cols, gap, marg_h, marg_w)

参数含义如下：

• rows、cols：几行几列，和subplot的行列概念一致。
• gap：2元素向量[gap_v gap_h]，表示子图之间垂直和水平间隙，单位是figure宽度的比例。
• marg_h：2元素向量[marg_bottom marg_top]，底部和顶部留白。
• marg_w：2元素向量[marg_left marg_right]，左侧和右侧留白。

返回值里，ha是所有axes句柄组成的向量，pos是对应的位置矩阵。这里最容易混淆的是gap和margin的顺序，尤其是gap，第一个值管垂直方向，第二个值管水平方向，和“垂直优先”的直觉有点冲突。

一个常用的模板：

[ha, pos] = tight_subplot(2, 3, [0.03 0.03], [0.08 0.05], [0.10 0.05]); for k = 1:6 axes(ha(k)); plot(1:50, sin((1:50) / k), 'LineWidth', 1.2); xlabel('t (ms)'); ylabel(sprintf('ch %d', k)); end

gap的值怎么给？我的习惯是：gap的单位是figure短边的比例。比如figure默认尺寸是560x420，那0.03大约就是13个像素左右的间隙，视觉上属于“紧凑但又不挤”的程度。论文图我一般给[0.02 0.02]，marg_h给[0.07 0.05]，marg_w给[0.08 0.02]。但这没有绝对标准，因为xlabel和ylabel的字体、字号会影响实际效果，需要每套图微调一两次。

2.3 容易出问题的几个实际操作点

用tight_subplot看起来很省事，但有几个坑必须提前知道。

第一个坑是不要和subplot混用。在同一张figure里，用tight_subplot创建axes之后再调用subplot，新生成的axes会覆盖或干扰原有布局，造成排版错乱。建议一个figure里只用一种方案。

第二个坑是colorbar会破坏对齐。tight_subplot给每个子图分配的是固定位置，如果某个子图需要单独显示colorbar，colorbar会自动压缩当前axes的绘图区，导致这个子图和其他子图不再对齐。如果你需要多个子图共享一个色标，tight_subplot本身没有很好的解决方案，得手动把colorbar挪到figure右侧再调整位置，非常痛苦。

第三个坑是figure尺寸缩放。tight_subplot算好的位置虽然是比例化的，但如果你把figure拉得太扁，或者从屏幕尺寸改成PaperPosition指定的尺寸，xlabel和ylabel仍然可能出现重叠。导出前最好固定figure尺寸，不要随便拉伸。

第四个坑是切换axes的性能问题。axes(ha(k))这种方式在循环里每画一个子图都要做一次“把某个axes设为当前axes”的操作。如果循环里只是画几张图，完全不用在意，但如果你在循环里生成几千张图，这个开销会积累起来。实际项目中我一般会把tight_subplot创建axes的部分抽出来，把后续画图逻辑写成一个函数，减少重复切换操作。

3. tiledlayout：官方方案如何把“布局”当成一个对象来管理

3.1 官方引入tiledlayout的动机

R2019b版本开始，MathWorks官方推出了tiledlayout，随后在很多官方文档里都推荐用它替代subplot。它和subplot最大的区别在于：subplot只是“生成一个axes”，而tiledlayout把布局本身变成了一个对象。

你可以把它理解成，以前的subplot相当于手动把若干张纸贴在一面墙上，位置自己算；而tiledlayout相当于给你一块白板和一根网格尺，你只管往格子里放图，空隙和边距由白板统一管理。这种设计带来的最直接好处是：调整间距时不需要动任何axes的坐标，只需要设置布局对象的属性。

对使用者来说，最大的变化是写代码时不再需要关心每个子图的“物理坐标”是什么，只需要关心行列和顺序。这一点在你需要频繁调整图的结构时会非常明显。

3.2 两种布局模式：grid模式和flow模式

tiledlayout有两种布局模式。默认是'flow'模式，tile会根据figure的空间自动决定每排放几个子图。另一种是'grid'模式，指定行数和列数后严格按网格排。

对于论文图、实验报告图这种需要稳定结构的场景，我强烈建议手动指定grid模式，因为flow模式在你调整figure尺寸时，布局可能会自动重排，导致同一个脚本在不同的figure尺寸下生成的图结构不一样。这对出图来说是个不稳定因素。

grid模式的标准写法：

tl = tiledlayout(2, 3, 'TileSpacing', 'compact', 'Padding', 'compact'); for k = 1:6 ax = nexttile; plot(1:50, sin((1:50) / k), 'LineWidth', 1.2); xlabel('t (ms)'); ylabel(sprintf('ch %d', k)); end

这里TileSpacing控制子图之间的间隙，Padding控制布局与figure边界之间的留白。两者可选值都包括'loose'、'compact'、'tight'，后面还可以跟数值，比如'TileSpacing', 8表示以像素为单位指定间距。不过我不太建议用'tight'，它会让两个子图之间的坐标轴刻度数字在视觉上非常靠近，尤其是xlabel和ylabel同时存在时，看起来会有点拥挤。论文图我一般用'compact'。

3.3 跨子图共享：colorbar、图例、坐标轴

tiledlayout最大的竞争优势，在于它原生支持跨子图共享colorbar、图例和坐标轴联动。这是tight_subplot和subplot都很难优雅实现的事情。

共享colorbar的写法很直接：

tl = tiledlayout(2, 2, 'TileSpacing', 'compact', 'Padding', 'compact'); for k = 1:4 ax = nexttile; imagesc(rand(20, 20)); end cb = colorbar(tl);

这样只会在整个布局的右侧生成一个colorbar，所有子图共用同一个色标，而且不会挤压任何单个子图的绘图区。以前用subplot + colorbar的时候，要么每个子图都挂一个自己的colorbar，要么手动创建colorbar再挪动位置，非常繁琐。

共享图例的实现更简单：

lgd = legend(tl, {'Data A', 'Data B'});

这一行会在布局底部或指定位置生成一个跨子图的图例，不需要在每个子图里重复添加图例。对于多子图对比实验，这能显著减少重复信息，让图面更干净。

坐标轴联动可以和tiledlayout混用。你可以取出不同tile的axes句柄，然后用linkaxes实现同步缩放：

ax1 = nexttile(1); plot(randn(50, 1)); ax2 = nexttile(2); plot(randn(50, 1)); linkaxes([ax1 ax2], 'x');

这在subplot下也能做，但tiledlayout拿句柄的方式更直观，而且布局稳定后不会因为手动调整位置而破坏联动关系。

3.4 非均匀布局：span能力

R2021a开始，tiledlayout支持用span合并相邻的tile，实现“上面两个子图、下面一个大子图”这种非均匀布局。这在subplot里需要手动算Position才能实现，在tiledlayout里只需要一个参数。

tl = tiledlayout(2, 2); ax1 = nexttile(1); plot(1:10); ax2 = nexttile(2); plot(rand(10, 1)); ax3 = nexttile(3, [1 2]); % 占第3行的所有列 plot(1:20, cumsum(randn(20, 1)));

第一个子图和第二个子图占据第一行的两列，第三个子图横跨第二行的两列。这种组合方式在做“整体趋势图 + 局部放大图”的时候特别常用。如果你需要在老版本Matlab里实现同样的效果，那只能用subplot + 手写Position，代码量和维护成本都会高很多。

4. 三套方案实测对比：代码量、出图效果与扩展性

4.1 同一张目标图的三种写法

为了让你直观看到差别，我拿一个具体场景做例子：2x2子图，每个子图画一条正弦曲线，带x和y轴标签，整体保持紧凑排版，最后导出300 dpi的PNG。

先看subplot + 手调Position的写法：

figure('Units', 'normalized', 'Position', [0.1 0.1 0.5 0.65]); pos = {[0.08 0.55 0.40 0.35], [0.55 0.55 0.40 0.35], ... [0.08 0.10 0.40 0.35], [0.55 0.10 0.40 0.35]}; for k = 1:4 ax = axes('Position', pos{k}); plot(0:0.01:2*pi, sin((0:0.01:2*pi) * k)); xlabel('rad'); ylabel('amp'); end

这种写法最大的问题是，一旦你想调整间隙或边距，所有Position都要重新算一遍。而且这个示例还只处理了4个子图，如果子图数量增加到6个、9个，代码会迅速恶化成一团数字地狱。

再看tight_subplot的写法：

[ha, ~] = tight_subplot(2, 2, [0.08 0.08], [0.10 0.06], [0.10 0.04]); for k = 1:4 axes(ha(k)); plot(0:0.01:2*pi, sin((0:0.01:2*pi) * k)); xlabel('rad'); ylabel('amp'); end

参数清晰，代码量明显减少。

最后看tiledlayout的写法：

tl = tiledlayout(2, 2, 'TileSpacing', 'compact', 'Padding', 'compact'); for k = 1:4 ax = nexttile; plot(0:0.01:2*pi, sin((0:0.01:2*pi) * k)); xlabel('rad'); ylabel('amp'); end

code量其实和tight_subplot差不多。差距不在第一层，而在于后续扩展。如果要在tight_subplot上加共享colorbar、共享图例，你需要手动处理很多事情；而tiledlayout只需要一两行代码。可以这么说：简单场景下三者差距不大，但越复杂的图，tiledlayout的优势越明显。

4.2 三种方案能力对比表

我把对比项列成一张表，方便你保存和查阅：

这张表我建议重点看最后三行。如果你只是临时看一眼结果，subplot完全够用。但如果你要出正式图，尤其是投稿或提交报告用的图，tiledlayout的共享布局能力真的能节省大量时间。

4.3 导出质量的实测对比

导出图的质量决定着前面所有排版工作的最终呈现。实际操作中，我一般统一用exportgraphics导出，而不是老的saveas：

exportgraphics(gcf, 'demo.png', 'Resolution', 300);

在这条命令下，tight_subplot和tiledlayout导出的边距分布都比较均匀，subplot默认留白的图则往往需要二次裁剪。原因其实不复杂：exportgraphics会按figure当前的布局和尺寸进行渲染，而subplot默认情况下四周留白太多，导出的PNG会出现大量无意义的空白区域。

还有个容易被忽略的点是PDF矢量导出。tiledlayout导出PDF时，文字和坐标轴的矢量信息保留得比较干净，放到论文里放大也不会糊。tight_subplot如果布局比例稍有偏差，打印时可能出现某个子图的轴线超出figure边缘的情况。此时你看到的屏幕效果和导出效果不完全一致，原因通常出在figure原来的LogicalScreenSize和导出的PaperSize不完全匹配。解决方法是导出前先固定figure的PaperSize：

set(gcf, 'PaperUnits', 'inches', 'PaperSize', [6 4]);

这样导出的尺寸就是可控的，不会出现边角被裁掉的情况。

5. 选型建议与避坑清单

5.1 直接给结论：什么场景用哪个

根据我这几年画图的经验，选型可以按下面几条来：

1. 如果Matlab版本低于R2019b，而且暂时不方便升级，那就直接用tight_subplot。它无依赖、易搬运，是老版本环境里最可靠的紧凑排版方案。
2. 如果是R2019b及以上版本，并且做的是论文图、汇报图、图像处理作业、深度学习可视化这类正式内容，直接上tiledlayout。花十几分钟熟悉nexttile的用法，之后所有出图流程都会省力。
3. 如果只是在命令行窗口想快速看几个变量之间的大致关系，subplot完全够了，没必要为了临时调试去做紧凑排版。
4. 如果手里有一套基于subplot的旧代码，不建议一次性重写。可以先把画图核心逻辑封装成函数，内部换用tiledlayout或tight_subplot，这样逐步替换，风险可控。

5.2 实战里最容易被忽略的排版坑

以下坑都是我在实际出图过程中踩过的，列出来供你参考。

第一，中文字体问题。Matlab默认字体对中文支持不好，直接在图里写中文，导出后可能变成方框。解决方法是在导出前统一设置字体：

set(findall(gcf, '-property', 'FontName'), 'FontName', '微软雅黑');

这句会把当前figure里所有对象的FontName统一替换掉，比一个个set省事得多。

第二，多个子图都加了legend，导致整个图面拥堵。如果你的子图很多，建议优先使用tiledlayout跨子图图例，而不是每个子图内放一个legend。每个legend都会吃掉一部分绘图区，图面会变得很挤。

第三，nexttile和subplot不要混用。在同一个figure里，如果先用subplot创建了几个axes，再用nexttile添加tile，生成的布局会非常混乱，甚至出现多余的空框。我的建议是一个figure里自始至终只用一种接口。

第四，TileSpacing设置得太紧，同时xlabel文字又很长，刻度标签很容易互相挤压。解决办法不是把子图继续往中间挤，而是增大底部留白，比如调大Padding或marg_h的值。

第五，使用tight_subplot时删除某个axes会导致句柄错位。比如你删掉了ha(2)，后续循环再访问ha(3)时，就会遇到一个已经失效的句柄。最好用新的索引重新建立列表，或者只在全部画完后再删。

第六，导出时不要用saveas。saveas保存的是当前屏幕所见的位置关系和视图状态，输出质量不稳定。用exportgraphics会更干净，导出参数也更丰富，比如'Resolution'、'ContentType'、'BackgroundColor'等都能控制。

5.3 一个提升效率的封装思路

如果你经常要生成同一套样式的图，可以考虑自己写一个简单封装函数：

function tl = myGrid(rows, cols) tl = tiledlayout(rows, cols, 'TileSpacing', 'compact', 'Padding', 'compact'); set(gcf, 'Color', 'w'); end

这样每次新建figure只需要：

tl = myGrid(2, 2); for k = 1:4 ax = nexttile; plot(1:50, randn(50, 1), 'LineWidth', 1.2); grid on; xlabel('time (s)'); ylabel(sprintf('trial %d', k)); end

后续如果要调整整体样式，比如统一字体、统一坐标轴粗细，只需要改封装函数内部，所有调用它的脚本都会自动生效。这是对老项目改造时风险最小的切入方式，也是批量出图场景下维护成本最低的做法。

最后再分享一点个人体会

做完这轮对比之后，我对子图排版的思路基本固化成了一条：新代码无脑用tiledlayout，老代码在不重写的前提下优先用tight_subplot，subplot只用来临时看效果，不再拿它出正式图。另外有个小建议，无论用哪种方案，正式导出前都先放大figure窗口看一眼坐标轴有没有被挤出画布，尤其是脚本里设置了figure的Position时。很多排版问题在屏幕上不容易发现，一旦导出成PDF或者PNG，边角异常就藏不住了。排版这种事，表面上是代码问题，本质上是在平衡信息密度和审阅体验。花一晚上把tiledlayout的核心用法搞清楚，之后每一次出图都会把这部分时间省回来。