Python Matplotlib 线图与轮廓/imshow 对齐答案

【问题标题】：Python Matplotlib line plot aligned with contour/imshowPython Matplotlib 线图与轮廓/imshow 对齐
【发布时间】：2014-11-18 01:44:56
【问题描述】：

如何使用 Python 和 Matplotlib 将一个子图的视觉宽度设置为等于另一个子图的宽度？第一个图具有固定的纵横比和来自 imshow 的方形像素。然后我想在其下方放置一个线图，但我无法这样做并使所有内容对齐。

我很确定解决方案涉及此Transform Tutorial 页面上的信息。我尝试过使用 fig.transFigure、ax.transAxes、ax.transData 等，但没有成功。我需要在上面板中找到轴的宽度和高度以及偏移量，然后才能在下面板中设置轴的宽度、高度和偏移量。轴标签和刻度等不应包含或更改对齐方式。

比如下面的代码

fig = plt.figure(1)
fig.clf()

data = np.random.random((3,3))
xaxis = np.arange(0,3)
yaxis = np.arange(0,3)

ax = fig.add_subplot(211)
ax.imshow(data, interpolation='none')
c = ax.contour(xaxis, yaxis, data, colors='k')

ax2 = fig.add_subplot(212)

【问题讨论】：

标签： python matplotlib

【解决方案1】：

matplotlib 坐标轴的轮廓由三个东西控制：

图中的坐标区边界框（由子图规范或特定范围控制，例如 fig.add_axes([left, bottom, width, height])。坐标区范围（不包括刻度标签）将始终在此框中。
adjustable 参数控制是否通过更改数据限制或轴“框”的形状来适应限制或纵横比的变化。这可以是"datalim"、"box" 或"box-forced"。（后者用于共享轴。）
坐标区范围和纵横比。对于具有固定纵横比的绘图，将更改坐标区框或数据限制（取决于adjustable）以保持指定的纵横比。纵横比指的是数据坐标，不是直接是坐标轴的形状。

对于最简单的情况：

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2)

data = np.random.random((3,3))
xaxis = np.arange(0,3)
yaxis = np.arange(0,3)

axes[0].imshow(data, interpolation='none')
c = axes[0].contour(xaxis, yaxis, data, colors='k')

axes[1].set_aspect(1)

plt.show()

共享轴

但是，如果您想确保它无论如何都保持相同的形状，并且您可以接受两个具有相同数据限制的图，您可以这样做：

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2), sharex=True, sharey=True)
plt.setp(axes.flat, adjustable='box-forced')

data = np.random.random((5,3))
xaxis = np.arange(0,3)
yaxis = np.arange(0,5)

axes[0].imshow(data, interpolation='none')
c = axes[0].contour(xaxis, yaxis, data, colors='k')

axes[1].plot([-0.5, 2.5], [-0.5, 4.5])
axes[1].set_aspect(1)

plt.show()

但是，您可能会注意到这看起来不太正确。这是因为第二个子图控制着第一个子图的范围，这是因为我们绘制的顺序。

基本上，对于共享轴，我们最后绘制的任何内容都将控制初始范围，所以如果我们只是交换我们绘制的顺序：

    import numpy as np
    import matplotlib.pyplot as plt

    fig, axes = plt.subplots(nrows=2, sharex=True, sharey=True)
    plt.setp(axes.flat, adjustable='box-forced')

    data = np.random.random((5,3))
    xaxis = np.arange(0,3)
    yaxis = np.arange(0,5)

    axes[1].plot([-0.5, 2.5], [-0.5, 4.5])
    axes[1].set_aspect(1)

    axes[0].imshow(data, interpolation='none')
    c = axes[0].contour(xaxis, yaxis, data, colors='k')

    plt.show()

当然，如果您不关心被链接的绘图的交互式缩放/平移，您可以完全跳过共享轴，然后：

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2)

data = np.random.random((5,3))
xaxis = np.arange(0,3)
yaxis = np.arange(0,5)

axes[0].imshow(data, interpolation='none')
c = axes[0].contour(xaxis, yaxis, data, colors='k')

axes[1].plot([-0.5, 2.5], [-0.5, 4.5])

# Copy extents and aspect from the first axes...
axes[1].set_aspect(axes[0].get_aspect())
axes[1].axis(axes[0].axis())

plt.show()

非共享轴

如果您不希望两个轴具有相同的数据范围，则可以强制它们具有相同的大小（尽管如果您以交互方式缩放，它们将不会被链接）。为此，您需要根据其范围和第一个图的范围/方面来计算第二个图的纵横比应该是多少。

import numpy as np
import matplotlib.pyplot as plt

fig, axes = plt.subplots(nrows=2)

data = np.random.random((3,3))
xaxis = np.arange(0,3)
yaxis = np.arange(0,3)

axes[0].imshow(data, interpolation='none')
c = axes[0].contour(xaxis, yaxis, data, colors='k')

axes[1].plot(np.linspace(0, 10, 100), np.random.normal(0, 1, 100).cumsum())

# Calculate the proper aspect for the second axes
aspect0 = axes[0].get_aspect()
if aspect0 == 'equal':
    aspect0 = 1.0
dy = np.abs(np.diff(axes[1].get_ylim()))
dx = np.abs(np.diff(axes[1].get_xlim()))

aspect = aspect0 / (float(dy) / dx)
axes[1].set_aspect(aspect)

plt.show()

【讨论】：

不。这种解释适用于纵横比，但我无法使用此处的信息（如所示）在图下方生成与图相同宽度的多个图。您提供了一些提示，例如，fig.add_axes([left, bottom, width, height])。我将尝试解决这个问题并回复并获得我自己的赏金:)。
@mankoff - 加油！ :) 无论如何，希望这能给你一些想法。

【解决方案2】：

您是否正在寻找相对于第一个轴的任意定位？你可以玩弄这个人物的bbox。

ax2.set_position(ax.get_position().translated(0, -.5)) 将简单地将第二个轴放在第一个轴的下方，并具有相同的基本形状。或者你可以这样做

box = ax.get_position()

# Positioning code here

ax2.set_position(box)

然后您的定位代码会通过重新分配 (box = box.translated(0, -.5)) 或突变 (box.x1 += .1) 来更改框。 Box 似乎以属性 .p0、.x0、.y0 和 .p1、.x1、.y1 显示它的左下角和右上角点；以及 .width 和 .height

Box 或多或少是一个图形坐标，您也可以使用原始数字明确地“设置宽度、高度和偏移量”：ax2.set_position([left, bottom, width, height])

PS：不幸的是，这个 bbox 的宽度和高度也包含文本标签。例如，您的第一个图的宽度为 0.27...，高度为 0.36... 你不会通过改变尺寸来扭曲文本，但这确实意味着除非你从一个开始，否则很难得到一个完美的正方形。

【讨论】：

而 PS 意味着具有不同轴标签的第二个图不会在脊椎上对齐。 :(。
@mankoff 实际上，这是您的想法吗？ matplotlib.org/users/gridspec.html
不，因为它不能处理 imshow 图形所需的纵横比。我确实找到了解决方案（部分归功于您的回答，因此为您分配了奖金）。接受的答案符合我的要求。

【解决方案3】：

撰写本文时的两个现有答案很有帮助，但不提供解决方案。解决方案如下。这里使用的关键，而不是其他答案，是直接访问spine 位置。 plt.draw() 需要在访问坐标之前更新坐标。

import numpy as np
from matplotlib import pyplot as plt
im = np.arange(256).reshape(16,16)

fig = plt.figure(1)
fig.clf()
ax = fig.add_subplot(211)

ax.imshow(im)
plt.show()

transAxes = ax.transAxes
invFig = fig.transFigure.inverted()

llx,urx = plt.xlim()
lly,ury = plt.ylim()

llx0, lly0 = transAxes.transform((0,0))
llx1, lly1 = transAxes.transform((1,1))

plt.draw()
spleft = ax.spines['left'].get_verts()
spright = ax.spines['right'].get_verts()
llx0 = spleft[0,0]
llx1 = spright[0,0]

axp = invFig.transform(((lly0,llx0),(lly1,llx1)))
ax2 = fig.add_axes([axp[0,1],axp[0,0]-0.5,axp[1,1]-axp[0,1],axp[1,0]-axp[0,0]])
ax2.plot(np.arange(10))
plt.draw()

【讨论】：