Python Matplotlib线图与轮廓/ imshow对齐

>图中的轴的边界框(由子图规范或特定范围(如fig.add_axes([left,bottom,width,height])控制).轴限制(不计算刻度标签)将始终在此框.
>通过更改数据限制或轴“box”的形状来控制是否允许限制或高宽比更改的可调整参数.这可以是“datalim”,“box”或“box-forced”. (后者用于共享轴.)
轴的极限和纵横比.对于具有固定宽高比的曲线图,轴框或数据限制(取决于可调整)将被更改,以保持指定的纵横比.纵横比是指数据坐标,而不是轴的形状.

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)

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

axes[1].set_aspect(1)

plt.show()

共享轴

但是,如果您希望确保它保持不变的形状,并且您可以使用具有相同数据限制的两个图形,您可以执行以下操作：

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((5,5)

axes[0].imshow(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对.这是因为第二个子图由于我们绘制的顺序控制了第一个子图的范围.

基本上,使用共享轴,无论我们上面绘制的是什么,都可以控制初始范围,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,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([-0.5,4.5])
    axes[1].set_aspect(1)

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

    plt.show()

当然,如果您不关心正在链接的绘图的交互式缩放/平移,则可以完全跳过共享轴,只需：

import numpy as np
import matplotlib.pyplot as plt

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

data = np.random.random((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,可以强制它们具有相同的大小(尽管如果您进行了交互式缩放,它们将不会被链接).为此,您需要计算第二个图形的宽高比应基于其第一个图的范围和范围/方面.

import numpy as np
import matplotlib.pyplot as plt

fig,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()