当前位置：首页 > news >正文

Matplotlib 全面使用指南 -- 自动缩放坐标轴 Autoscaling Axis

news 2025/7/12 19:47:09

文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。

Matplotlib

自动缩放坐标轴

坐标轴的范围可以手动设置（例如使用 ax.set_xlim(xmin, xmax)），或者由 Matplotlib 根据坐标轴上已有的数据自动设置。自动缩放行为有多种选项，下面将对此进行讨论。

我们将从一个简单的折线图开始，展示自动缩放如何将坐标轴范围扩展到数据范围（-2π, 2π）之外 5%。

import matplotlib.pyplot as plt
import numpy as npimport matplotlib as mplx = np.linspace(-2 * np.pi, 2 * np.pi, 100)
y = np.sinc(x)fig, ax = plt.subplots()
ax.plot(x, y)

边距（Margins）

数据范围周围的默认边距为 5%，这是基于默认配置设置 rcParams["axes.xmargin"]（默认值：0.05）、rcParams["axes.ymargin"]（默认值：0.05）和 rcParams["axes.zmargin"]（默认值：0.05）：

print(ax.margins())

输出：

(0.05, 0.05)

可以使用 margins 方法覆盖边距大小，使其变小或变大：

fig, ax = plt.subplots()
ax.plot(x, y)
ax.margins(0.2, 0.2)

通常，边距的范围可以是 (-0.5, ∞)，其中负边距会将坐标轴范围设置为数据范围的子范围，即裁剪数据。使用单个数字会影响两个坐标轴，可以使用关键字参数 x 或 y 自定义单个边距，但不能同时使用位置参数和关键字参数。

fig, ax = plt.subplots()
ax.plot(x, y)
ax.margins(y=-0.2)

粘性边缘（Sticky edges）

有些绘图元素（Artist）通常不使用边距。例如，伪彩色图像（例如使用 Axes.imshow 创建的图像）不参与边距计算。

xx, yy = np.meshgrid(x, x)
zz = np.sinc(np.sqrt((xx - 1)**2 + (yy - 1)**2))fig, ax = plt.subplots(ncols=2, figsize=(12, 8))
ax[0].imshow(zz)
ax[0].set_title("default margins")
ax[1].imshow(zz)
ax[1].margins(0.2)
ax[1].set_title("margins(0.2)")

这种边距的覆盖由“粘性边缘”决定，这是 Artist 类的一个属性，可以抑制将边距添加到坐标轴范围。粘性边缘的效果可以通过更改 use_sticky_edges 在坐标轴上禁用。Artist 具有 Artist.sticky_edges 属性，粘性边缘的值可以通过写入 Artist.sticky_edges.x 或 Artist.sticky_edges.y 来更改。

以下示例展示了覆盖的工作原理以及何时需要它。

fig, ax = plt.subplots(ncols=3, figsize=(16, 10))
ax[0].imshow(zz)
ax[0].margins(0.2)
ax[0].set_title("default use_sticky_edges\nmargins(0.2)")
ax[1].imshow(zz)
ax[1].margins(0.2)
ax[1].use_sticky_edges = False
ax[1].set_title("use_sticky_edges=False\nmargins(0.2)")
ax[2].imshow(zz)
ax[2].margins(-0.2)
ax[2].set_title("default use_sticky_edges\nmargins(-0.2)")

我们可以看到，将 use_sticky_edges 设置为 False 会使用请求的边距渲染图像。

虽然粘性边缘不会通过额外边距增加坐标轴范围，但负边距仍然会被考虑。这可以在第三张图像的缩小范围中看到。

控制自动缩放（Controlling autoscale）

默认情况下，每次向绘图添加新曲线时都会重新计算范围：

fig, ax = plt.subplots(ncols=2, figsize=(12, 8))
ax[0].plot(x, y)
ax[0].set_title("Single curve")
ax[1].plot(x, y)
ax[1].plot(x * 2.0, y)
ax[1].set_title("Two curves")

但是，在某些情况下，您可能不希望自动调整视口以适应新数据。

禁用自动缩放的一种方法是手动设置坐标轴范围。假设我们想更详细地查看数据的一部分。设置 xlim 后，即使向数据中添加更多曲线，该设置也会保持不变。要重新计算新范围，调用 Axes.autoscale 将手动切换该功能。

fig, ax = plt.subplots(ncols=2, figsize=(12, 8))
ax[0].plot(x, y)
ax[0].set_xlim(left=-1, right=1)
ax[0].plot(x + np.pi * 0.5, y)
ax[0].set_title("set_xlim(left=-1, right=1)\n")
ax[1].plot(x, y)
ax[1].set_xlim(left=-1, right=1)
ax[1].plot(x + np.pi * 0.5, y)
ax[1].autoscale()
ax[1].set_title("set_xlim(left=-1, right=1)\nautoscale()")

我们可以使用 Axes.get_autoscale_on() 检查第一个绘图是否禁用了自动缩放，以及第二个绘图是否重新启用了它：

print(ax[0].get_autoscale_on())  # False 表示已禁用
print(ax[1].get_autoscale_on())  # True 表示已启用 -> 重新计算

输出：

False
True

autoscale 函数的参数让我们可以精确控制自动缩放过程。参数 enable 和 axis 的组合可以为选定的坐标轴（或两个坐标轴）设置自动缩放功能。参数 tight 将选定坐标轴的边距设置为零。要保留 enable 或 tight 的设置，可以将另一个设置为 None，这样它就不会被修改。但是，将 enable 设置为 None 并将 tight 设置为 True 会影响两个坐标轴，而不管 axis 参数如何。

处理集合（Working with collections）

自动缩放适用于添加到坐标轴的所有线条、填充和图像。它不适用的艺术家之一是 Collection。将集合添加到坐标轴后，必须手动触发 autoscale_view() 以重新计算坐标轴范围。

fig, ax = plt.subplots()
collection = mpl.collections.StarPolygonCollection(5, rotation=0, sizes=(250,),  # 五角星，零角度，大小 250 像素offsets=np.column_stack([x, y]),  # 设置位置offset_transform=ax.transData,  # 传播坐标轴的变换
)
ax.add_collection(collection)
ax.autoscale_view()

输出：

(0, 0)

处理集合

自动缩放功能对添加到坐标轴的所有线条、填充和图像都能直接生效。然而，对于 Collection 类型的艺术家对象，自动缩放不会自动工作。将集合添加到坐标轴后，必须手动触发 autoscale_view() 来重新计算坐标轴范围。

fig, ax = plt.subplots()
collection = mpl.collections.StarPolygonCollection(5, rotation=0, sizes=(250,),  # five point star, zero angle, size 250pxoffsets=np.column_stack([x, y]),  # Set the positionsoffset_transform=ax.transData,  # Propagate transformations of the Axes
)
ax.add_collection(collection)
ax.autoscale_view()