具有各种 y 轴的子图中的纵横比

Question

我希望下面的代码能够生成 4 个大小相同的子图，并且我设置的 x 轴和 y 轴的大小之间的纵横比相同。参考下面的示例，我希望所有子图看起来都与第一个（左上角）完全相同。现在的问题是 y 轴的大小与其最大值相关。这是我要避免的行为。

import matplotlib.pyplot as plt
import numpy as np

def main(): 

    fig = plt.figure(1, [5.5, 3])
    for i in range(1,5):
        fig.add_subplot(221+i-1, adjustable='box', aspect=1) 
        plt.plot(np.arange(0,(i)*4,i))

    plt.show()

if __name__ == "__main__": 
    main()

令人惊讶的是，matplotlib 默认生成正确的东西（下图）：

   import  matplotlib.pyplot as plt 
   import numpy as np 

   def main(): 
       fig = plt.figure(1, [5.5, 3]) 
       for i in range(1,5): 
           fig.add_subplot(221+i-1) 
            plt.plot(np.arange(0,(i)*4,i)) 
       plt.show() 

我只是想添加一个功能来控制 x 轴和 y 轴长度之间的纵横比。

Answer 1

我不能完全说出你想从你的问题中得到什么。

您希望所有图都具有相同的数据限制吗？

如果是这样，请使用共享轴（我在这里使用subplots，但如果您想坚持使用 matlab 样式的代码，可以避免使用它）：

import matplotlib.pyplot as plt
import numpy as np

fig, axes = plt.subplots(nrows=2, ncols=2, sharey=True, sharex=True)
for i, ax in enumerate(axes.flat, start=1):
    ax.set(aspect=1)
    ax.plot(np.arange(0, i * 4, i))

plt.show()

如果您希望他们都共享他们的坐标轴限制，但要拥有adjustable='box'（即非方形坐标轴边界），请使用adjustable='box-forced'：

import matplotlib.pyplot as plt
import numpy as np

fig, axes = plt.subplots(nrows=2, ncols=2, sharey=True, sharex=True)
for i, ax in enumerate(axes.flat, start=1):
    ax.set(aspect=1, adjustable='box-forced', xticks=range(i))
    ax.plot(np.arange(0, i * 4, i))

plt.show()

---

编辑：对不起，我还是有点困惑。你想要这样的东西吗？

import matplotlib.pyplot as plt 
import numpy as np 

fig, axes = plt.subplots(nrows=2, ncols=2)
for i, ax in enumerate(axes.flat, start=1):
    ax.set(adjustable='datalim', aspect=1)
    ax.plot(np.arange(0, i * 4, i))

plt.show()

---

好的，我想我终于明白你的问题了。我们都用“纵横比”表示完全不同的东西。

在 matplotlib 中，绘图的纵横比是指数据限制的相对比例。换言之，如果绘图的纵横比为 1，则斜率为 1 的线将出现在 45 度角。您假设纵横比应用于轴的轮廓，而不是绘制在轴上的数据。

您只希望子图的轮廓是方形的。 （在这种情况下，它们都有不同的纵横比，由 matplotlib 定义。）

在这种情况下，您需要一个正方形。 （还有其他方法，但只是制作一个正方形图形要简单得多。Matplotlib 轴填充的空间与它们所在图形的大小成正比。）

import matplotlib.pyplot as plt 
import numpy as np 

# The key here is the figsize (it needs to be square). The position and size of
# axes in matplotlib are defined relative to the size of the figure.
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(8,8))

for i, ax in enumerate(axes.flat, start=1):
    ax.plot(np.arange(0, i * 4, i))

# By default, subplots leave a bit of room for tick labels on the left.
# We'll remove it so that the axes are perfectly square.
fig.subplots_adjust(left=0.1)

plt.show()

Answer 2

理论

Different coordinate systems exists 在 matplotlib 中。不同坐标系之间的差异确实可以让很多人感到困惑。 OP 想要的是显示坐标中的纵横比，但ax.set_aspect() 正在设置数据坐标中的纵横比。它们的关系可以表述为：

aspect = 1.0/dataRatio*dispRatio

其中，aspect 是在 set_aspect 方法中使用的参数，dataRatio 是数据坐标中的纵横比，dispRatio 是您想要的纵横比在显示坐标中。

实践

有一个get_data_ratio 方法可以用来使我们的代码更简洁。工作代码sn-p如下图：

import matplotlib.pyplot as plt
import numpy as np

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

dispRatio = 0.5
for i, ax in enumerate(axes.flat, start=1):
    ax.plot(np.arange(0, i * 4, i))
    ax.set(aspect=1.0/ax.get_data_ratio()*dispRatio, adjustable='box-forced')

plt.show()

我还写了一篇关于所有这些东西的详细帖子here。

Answer 3

将Joe Kington的答案与new pythonic style for shared axes square subplots in matplotlib?结合起来 还有一篇恐怕再也找不到的帖子，我做了一个代码，用于精确设置框与给定值的比率。

让desired_box_ratioN 表示框的y 和x 边之间的期望比率。 temp_inverse_axis_ratioN 是当前绘图的 x 和 y 边之间的比率；因为'aspect'是y和x比例（而不是轴）之间的比率，我们需要将aspect设置为desired_box_ratioN * temp_inverse_axis_ratioN。

import matplotlib.pyplot as plt
import numpy as np

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

desired_box_ratioN = 1
for i, ax in enumerate(axes.flat, start=1):
    ax.plot(np.arange(0, i * 4, i))
    temp_inverse_axis_ratioN = abs( (ax.get_xlim()[1] - ax.get_xlim()[0])/(ax.get_ylim()[1] - ax.get_ylim()[0]) )
    ax.set(aspect = desired_box_ratioN * temp_inverse_axis_ratioN, adjustable='box-forced')

plt.show()