开头有一条注解：如果您想完全控制间距，请避免使用plt.tight_layout()，因为它会尝试将图形中的图排列成均匀且分布良好的图。这基本上是很好的，并且会产生令人满意的结果，但会随意调整间距。
您从Matplotlib示例库中引用的GridSpec示例之所以能很好地工作，是因为子图的纵横比不是预定义的。也就是说，子图将简单地在网格上展开，并使设置的间距（在本例中为wspace=0.0, hspace=0.0）独立于图形大小。
与此相反，您使用imshow来绘制图像，并且图像的纵横比默认设置为相等（相当于ax.set_aspect("equal")）。也就是说，您当然可以将set_aspect("auto")放置到每个绘图中（并额外添加wspace=0.0, hspace=0.0作为GridSpec的参数，如图库示例中所示），这将生成一个没有间距的绘图。
然而，当使用图像时，保持相等的纵横比是很有意义的，这样每个像素都一样宽一样高，并且正方形阵列显示为正方形图像。
接下来你需要做的就是调整图像大小和图边距以获得预期的结果。figure的figsize参数是以英寸为单位的图（宽度，高度），这里可以调整这两个数字的比率。子图参数wspace, hspace, top, bottom, left可以手动调整以给予预期的结果。下面是一个例子：

import numpy as np
import matplotlib.pyplot as plt
from matplotlib import gridspec

nrow = 10
ncol = 3

fig = plt.figure(figsize=(4, 10)) 

gs = gridspec.GridSpec(nrow, ncol, width_ratios=[1, 1, 1],
         wspace=0.0, hspace=0.0, top=0.95, bottom=0.05, left=0.17, right=0.845) 

for i in range(10):
    for j in range(3):
        im = np.random.rand(28,28)
        ax= plt.subplot(gs[i,j])
        ax.imshow(im)
        ax.set_xticklabels([])
        ax.set_yticklabels([])

#plt.tight_layout() # do not use this!!
plt.show()

编辑：

当然，不需要人工调整参数是理想的，因此可以根据行数和列数计算出一些最优的参数。

nrow = 7
ncol = 7

fig = plt.figure(figsize=(ncol+1, nrow+1)) 

gs = gridspec.GridSpec(nrow, ncol,
         wspace=0.0, hspace=0.0, 
         top=1.-0.5/(nrow+1), bottom=0.5/(nrow+1), 
         left=0.5/(ncol+1), right=1-0.5/(ncol+1)) 

for i in range(nrow):
    for j in range(ncol):
        im = np.random.rand(28,28)
        ax= plt.subplot(gs[i,j])
        ax.imshow(im)
        ax.set_xticklabels([])
        ax.set_yticklabels([])

plt.show()

尝试在代码中添加以下行：

fig.subplots_adjust(wspace=0, hspace=0)

并为每一个轴对象设置：

ax.set_xticklabels([])
ax.set_yticklabels([])

下面的答案由ImportanceOfBeingErnest给出，但如果要使用plt.subplots及其特性：

fig, axes = plt.subplots(
    nrow, ncol,
    gridspec_kw=dict(wspace=0.0, hspace=0.0,
                     top=1. - 0.5 / (nrow + 1), bottom=0.5 / (nrow + 1),
                     left=0.5 / (ncol + 1), right=1 - 0.5 / (ncol + 1)),
    figsize=(ncol + 1, nrow + 1),
    sharey='row', sharex='col', #  optionally
)

如果您使用matplotlib.pyplot.subplots，您可以使用Axes数组显示任意数量的图像。您可以通过对matplotlib.pyplot.subplots配置进行一些调整来删除图像之间的空格。

import matplotlib.pyplot as plt

def show_dataset_overview(self, img_list):
"""show each image in img_list without space"""
    img_number = len(img_list)
    img_number_at_a_row = 3
    row_number = int(img_number /img_number_at_a_row) 
    fig_size = (15*(img_number_at_a_row/row_number), 15)
    _, axs = plt.subplots(row_number, 
                          img_number_at_a_row, 
                          figsize=fig_size , 
                          gridspec_kw=dict(
                                       top = 1, bottom = 0, right = 1, left = 0, 
                                       hspace = 0, wspace = 0
                                       )
                         )
    axs = axs.flatten()

    for i in range(img_number):
        axs[i].imshow(img_list[i])
        axs[i].set_xticks([])
        axs[i].set_yticks([])

由于我们首先在这里创建子绘图区，因此我们可以使用gridspec_kw参数（source）为grid_spec给予一些参数。这些参数包括“top = 1，bottom = 0，right = 1，left = 0，hspace = 0，wspace = 0”参数，这些参数将阻止图像间的间距。要查看其他参数，请访问此处。
在设置上面的figure_size时，我通常使用像（30，15）这样的数字大小。我把它概括了一下，并把它添加到代码中。如果你愿意，你可以在这里输入一个手动大小。

下面是使用ImageGrid类（改编自this answer）的另一种简单方法。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.axes_grid1 import ImageGrid

nrow = 5
ncol = 3
fig = plt.figure(figsize=(4, 10))
grid = ImageGrid(fig, 
                 111, # as in plt.subplot(111)
                 nrows_ncols=(nrow,ncol),
                 axes_pad=0,
                 share_all=True,)

for row in grid.axes_column:
    for ax in row:
        im = np.random.rand(28,28)
        ax.imshow(im)
        ax.get_xaxis().set_visible(False)
        ax.get_yaxis().set_visible(False)