强基初中数学&学Python——第271课数字和数学第三方模块Matplotlib之七：封装端-自动缩放

自动缩放

　　可以手动设置轴的范围（例如ax.set_xlim(xmin，xmax)），Matplotlib也可以根据轴上已有的数据自动设置。这种自动缩放行为有许多选项，如下所述。

　　我们以一个简单的折线图为例，展示自动缩放将轴范围扩展到数据范围（-2π，2π）之外5%。

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

边距

　　数据区域周围的默认边距为5%：

print(ax.margins())

　　输出：

(0.05, 0.05)　

　　代码与输出：

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)y = np.sinc(x)
fig, ax = plt.subplots()ax.plot(x, y)ax.margins(0.2, 0.2)
fig.show()

　　通常，裕度（margins）可以在（-0.5，∞）范围内，其中负裕度将轴范围设置为数据范围的子范围，即它们剪裁数据。使用单个数字作为边距会影响两个轴，可以使用关键字参数x或y自定义单个边距，但位置和关键字接口不能组合（要么用位置参数，要么用关键字参数）。

　　代码与输出：

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
fig, ax = plt.subplots()ax.plot(x, y)ax.margins(y=-0.2)
fig.show()

粘性边缘（Sticky edges）

　　有些图表元素（Artists，艺术家）通常是在没有边距的情况下使用的。例如，在边距计算中不考虑伪彩色图像（例如，使用Axes.imshow创建的图像）。

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
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)")
fig.show()

　　这种对边距的覆盖是由“粘性边”决定的，“粘性边”是Artist类的一个属性，可以抑制向轴范围添加边距。通过更改use_sticky_edges，可以在图表域（Axes）上禁用粘性边的效果。Artists具有Artist.sticky_edges属性，可以通过写入Artist.sticky_edges.x或Artist.stacky_edged.y来更改粘性边缘的值。

　　以下示例显示了重写的工作方式以及何时需要重写。

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
xx, yy = np.meshgrid(x, x)zz = np.sinc(np.sqrt((xx - 1)**2 + (yy - 1)**2))
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 = Falseax[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)")
fig.show()

　　我们可以看到，将use_sticky_edges设置为False将渲染具有所需边距的图像。

　　虽然粘性边缘不会通过额外的边距增加轴范围，但仍会考虑负边距。这可以从第三幅图像的缩小范围中看出。

控制自动缩放

　　默认情况下，每次向绘图中添加新曲线时，都会重新计算范围：

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)y = np.sinc(x)
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")
fig.show()

　　但是，在某些情况下，不希望根据新数据自动调整视口（viewport）。

　　禁用自动缩放的一种方法是手动设置轴范围。比方说，我们只想更详细地看到部分数据。即使我们向数据中添加了更多的曲线，但xlim的设置不改变。要重新计算新的范围，调用Axes.autoscale可手动切换该功能。

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)y = np.sinc(x)
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()")
fig.show()

　　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，第二个绘图是否再次启用了自动缩放：

print(ax[0].get_autoscale_on()) # False means disabledprint(ax[1].get_autoscale_on()) # True means enabled -> recalculated

　　输出：

FalseTrue

　　自动缩放函数（autoscale）的参数使我们能够精确控制自动缩放的过程。enable和axis参数的组合使用，axis为选定轴（或两轴）设置自动缩放功能。tight（紧密）参数地将选定轴的边距设置为零。要同时使用enable（启用）和tight（紧密）的参数，可以将相反的设置设置为“无”，这样就不用修改它。但是，无论轴参数如何，将enable设置为None并将tight设置为True都会影响两个轴。

　　输出：

(0, 0)

使用集合（collections）

　　自动缩放适用于添加到图表域（axes）的所有直线、面片和图像。其中一个不会与之合作的艺术家是Collection。将集合添加到图表域（axes）后，必须手动触发autoscale_view()来重新计算图表域范围。

import numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt
x = np.linspace(-2 * np.pi, 2 * np.pi, 100)y = np.sinc(x)
fig, ax = plt.subplots()collection = mpl.collections.StarPolygonCollection( 5, rotation=0, sizes=(250,), # five point star, zero angle, size 250px offsets=np.column_stack([x, y]), # Set the positions offset_transform=ax.transData, # Propagate transformations of the Axes)ax.add_collection(collection)ax.autoscale_view()
fig.show()

Axes.imshow：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.imshow.html#matplotlib.axes.Axes.imshow

Artist：

https://matplotlib.org/stable/api/artist_api.html#matplotlib.artist.Artist

use_sticky_edges：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.use_sticky_edges.html#matplotlib.axes.Axes.use_sticky_edges

Artist.sticky_edges：

https://matplotlib.org/stable/api/_as_gen/matplotlib.artist.Artist.sticky_edges.html#matplotlib.artist.Artist.sticky_edges

Axes.autoscale：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.autoscale.html#matplotlib.axes.Axes.autoscale

Axes.get_autoscale_on()：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.get_autoscale_on.html#matplotlib.axes.Axes.get_autoscale_on

Collection：

https://matplotlib.org/stable/api/collections_api.html#matplotlib.collections.Collection

autoscale_view()：

https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.autoscale_view.html#matplotlib.axes.Axes.autoscale_view

强基初中数学&学Python——第271课 数字和数学第三方模块Matplotlib之七：封装端-自动缩放

强基初中数学&学Python——第271课数字和数学第三方模块Matplotlib之七：封装端-自动缩放